Стратегия сокращения потребления опиоидов Юго-Западный Онтарио

Предлагаемый дизайн исследования В предлагаемом проспективном рандомизированном исследовании будет использоваться ступенчато-клиновидный дизайн, который является вариантом кластерного рандомизированного исследования. Это прагматичный кластер RCT с двумя ответвлениями, основанный на реестре параллельных групп. Это больничное исследование, связанное с SAHN, будет включено в плановую медицинскую помощь (новый стандарт медицинской помощи) с внедрением вмешательства, проводимого периоперационным персоналом, а не исследовательским персоналом. Характеристики пациентов и исходы будут получены из административной базы данных здравоохранения ICES. Этот прагматичный дизайн позволяет широко включить юго-западные больницы LHIN и большую репрезентативную выборку периоперационных пациентов, что должно дать результаты с высокой степенью обобщения. Больницы будут рандомизированы (1:1) с использованием методов скрытого распределения, и исследовательская группа уведомит больницы о распределении по группам за 2 месяца до даты начала вмешательства.

Выбор дизайна исследования В этом испытании единицей рандомизации является кластер (т. е. каждая больница), а единицей анализа — пациент. Мы выбрали кластерный рандомизированный дизайн, чтобы повысить эффективность вмешательства и его приверженность (удобство логистики) и свести к минимуму межгрупповое заражение. Периоперационные пациенты обычно получают все вмешательства в одном и том же центре, что делает эту популяцию подходящей для вмешательств на кластерном уровне. Осуществление вмешательства по стратегии снижения потребления опиоидов в этом кластерном исследовании следует тому, что происходит при обычном уходе, когда периоперационная бригада в каждой больнице будет обучена следовать одному и тому же протоколу или политике для пациентов, находящихся под их наблюдением.

Это повлечет за собой развертывание вмешательства рандомизированным образом и «последовательный переход кластеров от контроля к вмешательству до тех пор, пока не будут выявлены все кластеры».14 Этот тип испытаний представляет собой прагматичный подход к исследованию и внедрению изменений в предоставлении услуг, учитывая, что вмешательство будет происходить на институциональном уровне, и нет необходимости рандомизировать отдельных пациентов.14 Это многоцентровое РКИ со ступенчато-клиновидным кластером предназначено для оценки преимуществ стратегии снижения дозы опиоидов по сравнению со стандартной практикой в ​​соответствии с протоколом местной больницы у пациентов, подвергающихся плановым хирургическим вмешательствам, которым назначают опиоиды для купирования острой послеоперационной боли. .15,16 Чтобы преодолеть проблемы со сбором данных, мы будем собирать результаты всех плановых хирургических пациентов (без исключений) из электронных баз данных ICES до и после вмешательства. После 2-месячного базового периода, в течение которого все учреждения используют свои обычные стандартные рецепты на опиоиды, одно из случайно выбранных учреждений начнет внедрять и следовать стратегии сокращения потребления опиоидов; другие сайты будут случайным образом добавляться в группу вмешательства каждые два месяца до тех пор, пока стратегия не будет внедрена на всех сайтах (всего 12 месяцев сбора данных; см. рис. 1). За месяц до перехода к этапу стратегии сокращения потребления опиоидов в каждом учреждении весь анестезиологический и исследовательский персонал в больнице будет обучен ИП исследования (Махеш Нагаппа) по различным компонентам вмешательства, по реализации стратегии сокращения потребления опиоидов и по сбор данных.

Условия проведения исследования Двенадцать больниц, входящих в Сеть академических больниц Юго-Западного Онтарио (SWAHN), будут приглашены к участию. Ведущими центрами станут Лондонский центр медицинских наук и St. Joseph's Healthcare London. Для этого исследования мы выбрали периоперационные условия, в которых назначение опиоидной анальгезии является обычным явлением во время выписки из стационара.

Участники Набранные пациенты будут получать послеоперационную анальгезию в участвующих центрах исследования после прохождения плановой хирургической процедуры. Учитывая, что вмешательство будет осуществляться на общеучрежденческом уровне (например, путем изменения больничных наборов заказов и протоколов), нет необходимости рандомизировать отдельных пациентов. Поскольку вмешательство сосредоточено на употреблении опиоидов после выписки, интраоперационное и послеоперационное обезболивание не будет указано в стратегии снижения опиоидов. Управление болью в больнице будет на усмотрение лечащего анестезиолога, как описано в других источниках.

Запланированные пробные вмешательства Контрольная группа: обезболивание на этапе стандартного лечения На этапе стандартного лечения анестезиологическая и хирургическая помощь будет проводиться в соответствии со стандартной практикой (в соответствии с протоколом местной больницы) как для контрольной группы, так и для группы вмешательства. Как правило, это означает, что пациенты будут поддерживаться на более либеральном опиоидном режиме, чем на этапе стратегии сокращения опиоидов, и будут получать опиоиды и другие лекарства для купирования острой послеоперационной боли. Выбор опиоидов будет на усмотрение руководящей группы. Минимальный 2-месячный базовый период должен пройти до ввода первого рандомизированного кластера в группу вмешательства.

Группа вмешательства: обезболивание на этапе стратегии сокращения потребления опиоидов Стратегия сокращения потребления опиоидов, включая инструменты и местный контекстуализированный подход к реализации, будет совместно разрабатываться междисциплинарной командой хирургов, анестезиологов, фармацевтов и исследователей, обладающих знаниями в данной области. перевод вместе с представителями пациентов. Чтобы обеспечить учет взглядов коренных народов, один из представителей пациентов будет представлять местное коренное население.

Вмешательство будет включать в себя многогранный трехкомпонентный (см. дополнительный файл) подход, включающий 1) ограничения по рецепту на опиоиды (максимальное количество таблеток по умолчанию для рецептов на выписку, как определено научно обоснованными рекомендациями, такими как https://michigan- open.org/prescribing-recommendations/ и https://www.hqontario.ca/evidence-to-improve-care/quality-standards/view-all-quality-standards/opioid-prescribing-for-acute-pain, 2) инструменты обучения пациентов (например, Какова нормальная траектория боли? Как справиться с болью? Польза и потенциальный вред фармакологической анальгезии. Немедикаментозное обезболивание? Что делать, если боль чрезмерная?), 3) инструменты обучения поставщиков услуг (например, в том числе основанные на фактических данных рекомендации по мультимодальной анальгезии для конкретных процедур; сравнение местных исходных схем назначения лекарств с типовыми схемами назначения лекарств; определение целевого снижения, если исходное назначение не соответствует наилучшей доказательной базе; обзор наилучших данных об оптимальной анальгезии в периоперационном периоде) и 4) двухнедельный кумулятивный отзыв врачей о схемах назначения опиоидов после вмешательства и до конца исследования.

Стратегия реализации каждого из этих компонентов будет контекстуализирована в сотрудничестве с междисциплинарной командой из каждой больницы перед переходом к фазе активного вмешательства, посредством встреч с комитетом SWAHN по разумному выбору опиоидов, а также с активизацией местных встреч в течение первых недель активное вмешательство.

Практические меры по распределению участников по исследовательским группам. Каждая больница будет случайным образом назначена на одну из дат перекрестного исследования до начала исследования статистиком, который не знает названия больниц, используя сгенерированный компьютером список случайных чисел.

Предлагаемые методы защиты от источников систематической ошибки. Невозможно скрыть от врачей или исследовательского персонала распределение больниц, потому что соответствующее лечение боли/опиоидов должно быть прозрачно применено при начале интервенционной фазы исследования, и, следовательно, единицей рандомизации является больничный уровень. Судьи по результатам будут ослеплены, а пациенты останутся ослепленными. Мы ожидаем низкий риск систематической ошибки отбора на уровне пациентов, поскольку в исследование будут включены все подходящие пациенты. Исходя из нашего предыдущего опыта, мы ожидаем, что мало (

Предлагаемая продолжительность периода лечения Клиницисты будут придерживаться соответствующих алгоритмов стратегии сокращения потребления опиоидов. Продолжительность фазы стратегии снижения опиоидов будет варьироваться в каждой больнице в зависимости от графика рандомизации и составлять от 4 до 12 месяцев.

Предлагаемая частота и продолжительность наблюдения Мы будем собирать данные о пациентах после 1-го периода (или выписки из больницы, в зависимости от того, что наступит раньше) и после 30-го периода (или смерти, в зависимости от того, что наступит раньше).

Размер выборки и расчеты мощности Как и ожидалось, мы обнаружили, что расчет размера выборки очень сложен для этого предполагаемого испытания со ступенчатым клином. Первоначально мы стремились к расчетам размера выборки на основе подхода Хасси и Хьюза для анализа с фиксированными временными эффектами и случайными кластерными эффектами. Однако мы остановились на оценке результата на основе доступной мощности, поскольку доступный размер выборки был очень большим (>8000 в месяц)17. Мы привлекаем для анализа статистическую группу ICES вместе с одним из наших местных экспертов по статистике. Таким образом, мы будем перемещаться по уровням сложности, чтобы преодолеть наш план анализа. Методы поправки на искажающие факторы значительно изменились за последние годы. Если учесть, что существует несколько уровней потенциальных искажающих факторов, неравномерное загрязнение во времени/размеры кластеров, большие внутрикластерные корреляции, кластеризация на уровне больницы и кластеризация на уровне врача, то большое количество пациентов в 12 больницах (7000-8000 в месяц), у нас, вероятно, будет более 90% мощности для обнаружения 25%-го снижения эквивалентов морфина, даже с оценками наихудшего сценария для вышеупомянутой кластеризации и вмешивающихся факторов. Используя данные больничной статистики, мы подсчитали, что более 8000 подходящих пациентов будут зарегистрированы в 12 больницах SAHN в течение 4 недель с размером эффекта 25% в MME и коэффициентом вариации между больницами 0,15. Предполагая постоянную нагрузку во время пандемии, независимые госпитальные эффекты и уровень значимости 5%, исследование имело бы мощность >90% для выявления снижения MME на 25%. Если бы предположение о независимых больничных эффектах не выполнялось и 12 больничных кластеров SAHN функционировали эффективно как 12 крупных больниц, мощность все равно была бы >80%.

Статистический анализ Анализы будут проводиться с использованием намерения лечить, исходя из даты, назначенной каждой больнице для перехода, а не фактической даты перехода. Используя пациента в качестве единицы анализа, мы определим влияние вмешательства на первичные и вторичные исходы. Мы будем использовать обобщенные линейные смешанные модели (GLMM) с логит-связью для бинарного результата и случайным перехватом для учета кластеризации пациентов в больницах. Модель будет корректироваться с учетом характеристик пациента (например, возраста, ожирения, СОАС и т. д.) и времени (многовековые тенденции). Время взаимодействия лечения будет проверено. Эффект вмешательства будет оцениваться по отношению шансов (ОШ) и 95% доверительным интервалам (ДИ) в окончательной модели. Вторичные результаты будут проанализированы с использованием GLMM для бинарных результатов, линейной смешанной модели для непрерывного результата (при условии нормального распределения) и анализа выживаемости для продолжительности пребывания в больнице. Скорость пропуска данных должна быть низкой (

Случайное пересечение и наклон для времени, определенные на уровне кластера, будут учитывать внутри-периодные и межпериодные внутрикластерные корреляции. Учитывая относительно небольшое количество кластеров, мы будем использовать поправку Кенварда-Роджера, чтобы избежать потенциально завышенной частоты ошибок первого рода. Бинарные вторичные результаты будут проанализированы с использованием аналогичного подхода, но с моделями логистической регрессии со смешанными эффектами. Результаты также будут стратифицированы в соответствии с основными типами операций. Статистический анализ будет проводиться с использованием статистического пакета SAS и R.