Внедрение времени прибытия

Своевременное прибытие пациентов крайне важно для поддержания эффективной работы клиники и обеспечения того, чтобы пациенты получали полную продолжительность запланированного ухода. Опоздания нарушают рабочий процесс клиники, сокращают время общения с медицинскими работниками и могут задерживать последующие приемы, создавая эффект домино в течение дня. Цель данного проекта — протестировать недорогое поведенческое вмешательство, которое проясняет ожидания относительно времени прибытия и способствует своевременному приходу на запланированные приемы.

Данное исследование оценивает эффективность вмешательства, разработанного для того, чтобы сделать ожидаемое время прибытия более заметным для пациентов. Исследование будет реализовано в амбулаторных отделениях, оказывающих первичную медицинскую помощь, в рамках инициативы UCLA Health по операционному улучшению для оптимизации потока пациентов и улучшения их опыта.

В частности, вмешательство изменяет способ представления информации о приеме пациентам (или их представителям в случае пациентов младше 18 лет) через два канала коммуникации, используемые UCLA Health: (1) пациентский портал (называемый MyChart в UCLA Health) и (2) платформу текстовых сообщений (называемую Hello World в UCLA Health), которая отправляет пациентам автоматические текстовые уведомления перед их приемом.

Контрольное условие На домашней странице MyChart пациенты видят только запланированное время приема (например, «Начинается в 15:00») для своих предстоящих визитов. На странице с деталями приема пациенты видят время своего приема и дополнительную инструкцию «Прибыть за 15 минут до вашего приема». Текстовые уведомления указывают время приема и включают напоминание прибыть на 15 минут раньше (например, «[Имя пациента], у вас предстоящий визит 12 января 2026 года в 15:00. Прибывайте за 15 минут до времени вашего приема»).

Экспериментальное условие На домашней странице MyChart пациенты видят явно указанное время прибытия для своих предстоящих приемов, установленное на 15 минут раньше запланированного времени приема (например, «Прибыть к 14:45» для приема, запланированного на 15:00), вместо самого времени приема. На странице с деталями приема пациенты видят как время своего приема, так и время прибытия.

Текстовые уведомления явно сообщают пациентам их ожидаемое время прибытия вместо времени приема (например, «[Имя пациента], у вас предстоящий визит 12 января 2026 года. Прибывайте к 14:45»).

Исследователи реализуют кластерную рандомизацию, назначая все очные приемы у врача или практикующего специалиста продвинутого уровня (APP) в одном здании клиники одному и тому же экспериментальному условию. Всего будет включено 37 клинических зданий. Исследователи планируют проводить это клиническое испытание в течение 6 месяцев. Функциональность указания времени прибытия будет внедрена за 1 месяц до начала испытательного периода для введения периода «вымывания».

Ключевой исследовательский вопрос:

Исследователи задают следующий исследовательский вопрос: Изменяет ли отображение явного времени прибытия то, насколько рано пациенты прибывают на свои приемы? Исследователи предполагают, что экспериментальное условие приведет к тому, что люди будут прибывать на приемы раньше по сравнению с контрольным условием.

Помимо изучения непрерывной меры того, насколько заранее пациент регистрируется на свои приемы (основные показатели результата), исследователи также рассмотрят два бинарных показателя:

A. Своевременное прибытие: Приводит ли экспериментальное условие к тому, что пациенты с большей вероятностью прибывают вовремя (т.е. регистрируются до или в запланированное время приема)?

B. Раннее прибытие: Увеличивает ли экспериментальное условие вероятность прибытия пациентов как минимум за 15 минут до запланированного времени приема?

План анализа:

Исследователи будут использовать обычные регрессии методом наименьших квадратов (OLS) с робастными стандартными ошибками для прогнозирования зависимых переменных. Статистические выводы будут основаны на устойчивых к модели стандартных ошибках, сгруппированных на уровне клинического здания, которое является единицей рандомизации. Все анализы будут проводиться на уровне приема. Основным предиктором будет индикатор того, была ли клиника пациента назначена в условие с указанием времени прибытия (по сравнению со стандартным условием с указанием времени примена).

Эти регрессии будут выполняться со следующими контрольными переменными и без них:

• Возраст пациента (Если будут пропущенные значения, исследователи заменят их средним значением и добавят фиктивную переменную для указания пациентов с пропущенным возрастом)
• Пол пациента
• Раса/этническая принадлежность пациента
• Пунктуальность пациента: Доля очных приемов у врача пациента в той же клинике за 36 месяцев до начала испытания, на которые он прибыл вовремя (У пациентов без завершенных приемов в этот период будут отсутствующие данные. Для таких случаев исследователи будут импутировать выборочное среднее и добавят фиктивную переменную для обозначения этих пациентов). Если мы не сможем получить историю посещений пациента за 36 месяцев до начала испытания, мы вместо этого будем контролировать долю очных приемов у врача пациента в UCLA Health (во всех клиниках), на которые он прибыл вовремя (исключая приемы без записи)
• Тип визита (взрослый vs детский; новый vs повторный)
• Индикатор того, работает ли клиника по расписанию приемов с интервалами в 15/30 минут или 20/40 минут
• Тип страховки (Традиционный Medicare, Medicare Advantage, Medicaid, коммерческая, другой/неизвестный)
• Показатель мультиморбидности (Если есть пропущенные значения, исследователи заменят их средним значением и добавят фиктивную переменную для указания пациентов с пропущенным показателем мультиморбидности)

• Следующие взаимоисключающие бинарные индикаторы для учета различий в (1) том, был ли прием запланирован до внедрения функциональности указания времени прибытия, и (2) том, насколько заранее был запланирован прием:

  • Запланирован до внедрения функциональности: Индикатор для приемов, запланированных до внедрения функциональности указания времени прибытия
  • Запланирован >7 дней заранее: Индикатор для приемов, запланированных в дату внедрения или после нее, с разницей более 7 дней между датой записи и датой приема.
  • Запланирован за 1-7 дней: Индикатор для приемов, запланированных в дату внедрения или после нее, с разницей от 1 до 7 дней между датой записи и датой приема.
  • Запланирован <1 дня заранее: Индикатор для приемов, запланированных в дату внедрения или после нее, с разницей менее 1 дня между датой записи и датой приема.

В рамках разведочного анализа исследователи изучат эффекты вмешательства только среди приемов, запланированных в дату внедрения функциональности или после нее, поскольку текстовые уведомления о подтверждении приема, полученные этими пациентами, будут отражать экспериментальный дизайн.

Для проверки устойчивости исследователи проведут логит-модели для бинарных исходов и заново оценят модели для непрерывного исхода времени прибытия на 1-м и 99-м процентилях (это более широкий диапазон винсоризации, чем указанный в разделе основных исходов далее).

Примечание: Некоторые пациенты могут иметь несколько подходящих визитов в течение периода исследования. Основные анализы будут включать только первый визит на пациента. Разведочные анализы оценят, изменяют ли результаты включение последующих визитов.

Для проверки неоднородных эффектов лечения исследователи оценят модели взаимодействия, в которых индикатор лечения взаимодействует с характеристиками пациента, визита или клиники. Исследователи проанализируют следующие модераторы:

• Пунктуальность на уровне пациента, как определено выше (Для учета пропущенных значений регрессионные модели будут взаимодействовать индикатор лечения как с импутированным показателем пунктуальности, так и с индикатором пропущенных данных)
• Сколько раз пациенты посещали приемы у врача в той же клинике за 36 месяцев до начала испытания
• Работает ли отделение клиники по расписанию приемов с интервалами в 15/30 минут или 20/40 минут
• Базовый уровень пунктуальности клиники: процент приемов, на которые пациенты прибыли вовремя (зарегистрировались ≤ 0 минут опоздания) за шесть месяцев до испытания
• Тип визита (взрослый vs. детский)
• Время записи на прием (четыре взаимоисключающие подгруппы): Был ли прием запланирован до внедрения функциональности указания времени прибытия vs. он был запланирован после внедрения функциональности, но более чем за 7 дней до запланированной даты визита vs. за 1-7 дней, vs. <1 дня до запланированной даты визита.
• Показатель мультиморбидности (Для учета пропущенных значений регрессионные модели будут взаимодействовать индикатор лечения как с импутированным показателем мультиморбидности, так и с индикатором пропущенных данных)

Исследователи проведут дополнительные разведочные анализы для изучения потенциальных последствий вмешательства:

1. Посещаемость приема Исследователи изучат, влияет ли экспериментальное условие на уровень неявок по сравнению с контрольным условием. Явное указание более раннего требуемого времени прибытия потенциально может увеличить неявки, если некоторые пациенты считают, что уже пропустили свое временное окно, или чувствуют себя обескураженными и не приходят, когда понимают, что не могут прибыть к требуемому времени.

2. Удовлетворенность пациентов:

   Исследователи изучат, влияет ли назначение в экспериментальное условие на оценки удовлетворенности пациентов в опросах после визита, сосредоточившись на двух бинарных исходах, которые позволяют провести анализ по принципу «намерение лечить»:

   A. Оставляет ли пациент негативный отзыв (эта переменная равна 1, если пациент ставит 1 или 2 звезды из 5, и 0, если пациент ставит более высокий рейтинг или не предоставляет звездный рейтинг) B. Оставляет ли пациент положительный отзыв (эта переменная равна 1, если пациент ставит 5 звезд, и 0, если пациент ставит более низкий рейтинг или не предоставляет звездный рейтинг).

   Исследователи проведут текстовый анализ качественных комментариев пациентов в опросах для оценки настроений и источников жалоб или похвал.

3. Отмены приемов Исследователи проверят, влияет ли экспериментальное условие на уровень отмен по сравнению с контрольным условием. Этот анализ поможет определить, оказывает ли формулировка «Прибыть к» какое-либо непреднамеренное влияние на вероятность того, что пациенты отменят прием, а не посетят его.
4. Метрики рабочего процесса клиники:

Исследователи изучат, влияет ли вмешательство на следующие две операционные метрики внутри клиники:

A. Время пациента в помещении: количество минут между регистрацией пациента и временем, когда его помещают в смотровую комнату.

B. Время входа врача в смотровую комнату: количество минут между запланированным временем приема и временем, когда врач входит в комнату.

C. Время между регистрацией и входом врача: Количество минут между регистрацией пациента и временем, когда врач входит в смотровую комнату.

Исследователи будут использовать квантильные регрессии для этого набора анализов. Эти разведочные меры дают представление о том, приводит ли улучшенная пунктуальность к более плавному потоку в клинике или изменениям во времени ожидания пациентов. Эти меры, вероятно, зашумлены, поскольку время, когда пациентов помещают в смотровую комнату или их осматривает врач, не всегда фиксируется в реальном времени.