Наши сверстники - расширение прав и возможностей и навигационная поддержка - Сообщество Жизнь: удаленное вмешательство навигатора для взрослых с недавно приобретенными инвалидами, переходящими на жизнь сообщества (Op -ens -Cl) (OP-ENS-CL)

Целью данного исследования является оценка эффективности и социальной достоверности OP -ENS - CL (наши сверстники - расширение прав и возможностей и навигационная поддержка - общественная жизнь) отдаленного 12 -месячного вмешательства навигатора с использованием клинического дизайна в выборке взрослых с вновь приобретенными с физическими нарушениями, переходящими на общинную жизнь.

Участники будут набираются через общественные и клинические сети и проведены проверки на получение права. Участники будут случайным образом распределены либо для вмешательства, либо для обычных групп ухода. Участники группы вмешательства будут сопоставлены с обученным навигателем здоровья сверстников (который также является человеком с физической инвалидностью). Использование структурного процесса идентификации барьеров, постановка целей и планирования действий, навигаторов со стороны сверстников, будут работать с участниками, чтобы помочь удовлетворить их потребности и проблемы в области здравоохранения, включая такие вещи, как общение с провалором пациента, транспорт, доступ к медицинскому оборудованию. Важно отметить, что навигаторы здравоохранения сверстников не являются поставщиками медицинских услуг и не дают медицинских или медицинских консультаций. Участникам вмешательства просят встретиться со своим сверстником навигатором не реже одного раза в месяц в течение периода исследования. Чтобы поощрять участие в этом вмешательстве, прогрессивные микро-инциденты интегрируются в протокол исследования. Для содействия Equipoise, аналогичный график микроинсунации создается для обычной группы по уходу.

Сбор данных - Все участники, независимо от группового назначения, будут опрошены в 3 временных точках (базовый уровень, 6 месяцев, 13 месяцев), используя меру доступа, качество и результаты в области здравоохранения, а также показатели социальной поддержки и активации пациента. Сборщики данных будут слепы для группового назначения и не участвуют в доставке вмешательства Op -Ens - CL.

Анализ данных. Исследователи будут использовать модель смешанных эффектов, используя каждый результат исследования в качестве изменяющейся во времени зависимой переменной и группы лечения (PHN против обычного ухода) в качестве основного фиксированного эффекта. Базовые характеристики, включая расу/этническую принадлежность, пол и социально-экономический статус, будут входить в качестве инвариантных ковариат, если наблюдаются базовые различия в группе (несмотря на рандомизацию). Перехват субъекта будет смоделирован как случайный эффект. Нулевая гипотеза будет отвергнута, если наблюдается значительный эффект взаимодействия группы*. Исследователи предполагают, что PN будет иметь более благоприятный наклон траектории результатов исследования, чем соответствующая контрольная группа. Для каждой гипотезы будет проведен постский анализ для оценки различий в каждой переменной результатов между двумя группами в разные моменты времени. Смешанные модели будут работать с использованием Proc, смешанного из SAS 9.3 (Cary, NC). Метод оценки будет максимальной вероятностью (ML). Разнообразные ковариационные структуры (регрессивная симметрия первого порядка, составная симметрия, Toeplitz, дисперсионные компоненты, неструктурированные) будут тщательно изучены и сравнены для лучшей модельной подгонки, информация Akaike (AIC) и байесовские информационные критерии (BIC). Эти статистические данные являются функциями вероятности журнала и могут сравниваться по моделям. Поскольку отсутствующие данные неизбежны в продольном исследовании, значения будут вменены там, где это возможно, используя либо среднюю (медианную) заменитель или формальные процедуры вменения, такие как EM -алгоритм, если отсутствующие данные являются MCAR (отсутствуют полностью случайным образом) или MAR (отсутствуют случайным образом). Если отсутствующие данные являются NMAR (не отсутствует случайным образом), подход «смеси схемы» будет использоваться для вычисления «среднего значения» параметров, которые связаны с отсутствующими данными для оценки того, какими были бы данные.