Внедрение и оценка программы BE-FIT (BE-FIT)

Слабость и послеоперационные осложнения являются предикторами увеличения стоимости лечения пожилых пациентов, перенесших неотложную абдоминальную операцию в Альберте. Кроме того, пожилые пациенты часто более уязвимы для физических стрессоров после серьезной операции, включая риск падений и инвалидности. Появляется все больше доказательств того, что ежедневные упражнения и физическая активность могут улучшить процесс выздоровления и выписки пожилых пациентов. Используя дизайн исследования с двумя группами, мы проверим, может ли начало программы ранней мобилизации снизить скорость функционального снижения у пожилых пациентов после операции.

Испытание будет проводиться в больнице неотложной помощи в Альберте, Канада. Исследователи будут реализовывать программу улучшения качества BE-FIT (прикроватное восстановление для функциональных улучшений), основанную на стратегии реализации «Мобилизация уязвимых пожилых людей» (MOVE). BE-FIT — это основанная на фактических данных программа упражнений, направленная на раннюю мобилизацию и восстановление путем сведения к минимуму постельного режима, поощрения выполнения функциональных задач и поощрения самоконтроля. Вмешательство состоит из плана упражнений у постели больного, выполняемого на протяжении всей госпитализации. Это делается самостоятельно без необходимости дополнительной реабилитации или медицинского персонала. Исследователи проведут образовательное вмешательство, чтобы помочь пациентам, персоналу и семьям вносить и поддерживать изменения в практике и поведении от сидячего до физически активного мобилизационного подхода в хирургической области отделения неотложной помощи. Пациенты из контрольной группы получат обычный уход без дополнительного плана упражнений.

BE-FIT будет внедрен в хирургических отделениях на 3 демонстрационных площадках (больница Университета Альберты (UAH), медицинский центр Foothills (FMC) и общественная больница Misericordia (MCH)). Подразделения могут включать общую хирургию, отоларингологическую хирургию и урологию. В исследование будут включены все пациенты ≥65 лет, поступившие в стационарное (неотложное или плановое) отделение.

Исследование основано на теории цикла «знание-действие» (K2A) и структуре реализации качества (QIF) с дизайном прерывистых временных рядов (IT). Перед внедрением программы исследователи будут проводить оценку готовности, выявление посредников и барьеров для послеоперационной мобильности и совместное проектирование с пациентами. Чтобы измерить и проанализировать влияние нашей программы, первичный результат будет оценивать процент случаев «вне постели», измеренный с помощью прерванного временного ряда аудитов мобильности; вторичные результаты будут включать: время до подвижности, продолжительность пребывания в стационаре, частоту осложнений и затраты на госпитализацию. Квазиэкспериментальный дизайн неслепых прерывистых временных рядов (ITS) будет проводиться в три этапа: до вмешательства (10 недель); во время вмешательства (16 недель); после вмешательства (20 недель). Модель перед вмешательством будет создана с использованием первых временных точек за 10 недель для анализа основного результата. Чтобы оценить, адекватно ли эта модель описывает базовый уровень, будет выполнена оценка моделей временных рядов для всех 84 временных точек (до и после вмешательства). Чтобы изучить влияние программы упражнений BE-FIT на результаты лечения пациентов, исследователи будут использовать модели сегментированной линейной регрессии и скорректировать модели для автокорреляции по мере необходимости, используя метод Кокрана-Оркатта. Это будет использоваться для расчета средней дневной продолжительности пребывания для каждой недели в период исследования, классифицированной на до, во время и после вмешательства. Методы регрессии будут использоваться для оценки результатов мобилизации, чтобы исследовать и сравнить тенденцию средней продолжительности пребывания в стационаре. Будет принята методология анализа до и после для осложнений, функциональных показателей и удовлетворенности пациентов. Регрессионные модели будут построены с использованием экономичного подхода, многомерной линейной (или преобразованной линейной) регрессии и логистической регрессии. Потенциальные вмешивающиеся исходные переменные (например, возраст, пол, местонахождение пациента до госпитализации, диагноз при поступлении и т. д.) будут введены в модель и сохранены, если они считаются статистическими (p<0,05). и/или клинически важным. Экономическая оценка здравоохранения будет оценивать средние затраты для различных подкатегорий с использованием соответствующих моделей регрессии для искаженных данных о затратах, скорректированных с учетом потенциальных различий риска. Влияние на функцию пациента и качество жизни будет оцениваться с помощью опросников Short Performance Physical Battery (SPPB) и EQ-5D.