Nossos colegas - Empoderamento e Suporte de Navegação - Vida Comunitária: Intervenção de Navigator Remoto para Adultos com deficiências recém -adquiridas em transição para a vida comunitária (OP -ES -Cl) (OP-ENS-CL)

O objetivo deste estudo é avaliar a eficácia e a validade social das opções - CL (nossos pares - empoderamento e suporte de navegação - vida comunitária) uma intervenção remota de navegador de 12 meses usando um desenho de ensaios clínicos em uma amostra de adultos com recém -adquirida com deficiência física em transição para a comunidade.

Os participantes serão recrutados por meio de redes comunitárias e clínicas e examinadas quanto à elegibilidade. Os participantes serão designados aleatoriamente para os grupos de intervenção ou cuidados usuais. Os participantes do grupo de intervenção serão comparados a um navegador de saúde treinado (que também é uma pessoa com deficiência física). Usando um processo de estrutura de identificação de barreira, estabelecimento de metas e planejamento de ações que os navegadores de saúde trabalharão com os participantes para ajudar a atender às suas necessidades e preocupações de assistência médica, incluindo coisas como comunicação, transporte, transporte, acesso a equipamentos médicos duráveis. É importante observar que os navegadores de saúde dos pares não são prestadores de serviços de saúde e não fornecem conselhos médicos ou de saúde. Os participantes do estudo de intervenção devem se reunir com seu navegador de colegas pelo menos uma vez por mês durante o período do estudo. Para incentivar a participação nessa intervenção, os micro-incentivos progressivos são integrados ao protocolo do estudo. Para promover o Equineise, um cronograma de micro-incentivo semelhante é criado para o grupo de atendimento usual.

Coleta de dados - Todos os participantes, independentemente da atribuição de grupo, serão entrevistados em três momentos (linha de base, 6 meses, 13 meses) usando uma medidas de autorrelato de acesso, qualidade e resultados da saúde, bem como medidas de apoio social e ativação do paciente. Os coletores de dados ficarão cegos para a atribuição de grupo e não estão envolvidos na entrega da intervenção OP -ENS - CL.

Análise de dados - Os pesquisadores empregarão o modelo de efeitos mistos usando cada resultado do estudo como uma variável e grupo de tratamento dependentes variáveis ​​no tempo (PHN vs. cuidados usuais) como o principal efeito fixo. As características basais, incluindo raça/etnia, gênero e status socioeconômico, serão inseridas como covariáveis ​​invariantes no tempo se forem observadas diferenças de grupo de linha de base (apesar da randomização). A interceptação do sujeito será modelada como um efeito aleatório. A hipótese nula será rejeitada se um efeito significativo de interação do grupo*for observado. Os investigadores levantam a hipótese de que a PN terá uma inclinação de trajetória mais favorável dos resultados do estudo do que o grupo controle correspondente. Para cada hipótese, a análise post-hoc será realizada para avaliar a diferença em cada variável de resultado entre os dois grupos em diferentes momentos. Os modelos mistos serão executados usando o Proc Mixed do SAS 9.3 (Cary, NC). O método de estimativa será a máxima verossimilhança (ML). Uma variedade de estruturas de covariância (regressiva de primeira ordem, simetria composta, ToePlitz, componentes de variação, não estruturada) será cuidadosamente examinada e comparada para o melhor ajuste do modelo, as informações de Akaike (AIC) e os critérios de informação bayesiana (BIC). Essas estatísticas são funções da probabilidade de log e podem ser comparadas entre os modelos. Como os dados ausentes são inevitáveis ​​em um estudo longitudinal, os valores serão imputados sempre que o uso de procedimentos de imputação substituta ou formal média (mediana), como o algoritmo EM, se os dados ausentes estiverem MCAR (faltando completamente aleatoriamente) ou mar (faltando aleatoriamente). Se os dados ausentes forem NMAR (não faltando aleatoriamente), a abordagem "Mistura de padrões" será usada para calcular uma "média ponderada" dos parâmetros associados aos dados ausentes para estimar quais teriam os dados.