mHealth-app för att ändra alkoholanvändning i Alaskas indianer (CIRCLE)

Southcentral Foundation (SCF) har en lång historia av intressentengagemang, och inser att engagerade patienter söker information, samarbetar med leverantörer och är mer benägna att visa sunda val och sjukdomsspecifika självhanteringsbeteenden. SCF har använt kvalitativa metoder för att identifiera och möta patienters förändrade behov. Arbetet med mål 1 och mål 2, som gav patientfeedback om både Connections-appen och de avsedda mätverktygen, kommer att inkludera att testa en modifierad version av appen med SCF-patienter.

Connections-appen stödjer individer i återhämtning genom att minska återfall och främja prosocialt engagemang. Appen låter människor spåra sin nykterhet, lära sig nya tillfrisknandefärdigheter, spåra behandlingsplaner, ställa in påminnelser, journalföra sin återhämtning och upptäcka användbara videor och vittnesmål genom ett omfattande resursbibliotek. Appen har även en "återställningshjälpknapp" som kan tryckas in närhelst deltagaren behöver akut hjälp. Exempel på Connections-innehåll inkluderar motiverande samtal, meditationer, talare för återhämtning av beroende, stresshantering och ilskahantering. Studieteamet lade till ytterligare kulturellt meningsfullt innehåll, grafik, musik, videor, återställningsverktyg och vittnesmål. Connections använder en HIPAA- och HITRUST-kompatibel interaktiv peer-plattform, som tillåter användare att privata meddelanden till varandra och/eller delta i gruppchattar. Utredarna kommer att använda appens funktioner för massmeddelanden och gruppchatt för att engagera deltagarna i underlättade diskussioner som är förenliga med SCF:s policyer, tjänster och behandlingsfilosofier. Studieteamet kommer att lägga till ytterligare ämnen som nykterhet, livsstilsförändringar, kulturellt innehåll och färdighetsbyggande moduler baserade på Community Reinforcement Approach.

Deltagarna kommer att uppmanas att använda appen i minst 3 månader, med en 6-månaders uppföljning. Deltagande i studien kommer att vara helt frivilligt och konfidentiellt. Utredarna planerar att rekrytera högst 125 AN/AI-vuxna som rapporterar en önskan att ändra sina alkoholanvändningsmönster. Utredarna kommer att försöka rekrytera till SCF på ett sådant sätt att de får en adekvat representation från kundägare som bor i städer och på landsbygden. Individer kan eller kanske inte är engagerade i eller har en historia av behandlingstjänster specifikt för alkoholmissbruk. Utredarna kommer inte att få tillgång till kundägares journaler i rekryteringssyfte. Utredarna planerar också att intervjua upp till 25 deltagare vid 6-månadersgränsen och samla in kvalitativ data om deras erfarenheter av appen.

Dataanalysplan:

Intervjuer kommer att transkriberas ordagrant och avidentifieras innan analysen. Transkriptioner kommer att valideras för noggrannhet och laddas upp till ATLAS.ti för datahantering och kodning, med kategorisk demografisk information. Medlemmar av det kvalitativa forskarteamet kommer att genomföra analys i fyra iterativa steg: (1) bekanta sig med data, (2) generera eller tillämpa a priori och framväxande koder på data, (3) söka efter tematiska mönster, och (4) söker efter demografiska mönster. Konsekvens kommer att upprätthållas genom en delad kodbok, teamkodning av utvalda utskrifter och regelbundna möten för att diskutera och lösa avvikelser.

Dataanalys av genomförbarheten och acceptansen av Connections-appen kommer att inkludera beskrivande statistik över antalet interaktioner med appen och det totala antalet dagar som appen användes. Bivariat deskriptiv statistik kommer att användas för att undersöka skillnader i genomförbarhet genom demografi och baslinjeobservationer.

Dataanalys för undersökningsdata kommer att inkludera beskrivande statistik och blandade effekter modellering för att ta hänsyn till korrelation av upprepade mätningar inom kund-ägare deltagare för livskvalitet, alkoholanvändning och problem, self-efficacy i nykterhet, och stadier av förändringar genomförda i samarbete med vår externa konsulter. Som en del av denna analys kommer data att utvärderas för urvalsbias och mätfel eller felklassificeringsbias som är vanliga utmaningar i upprepade mätningar och longitudinella folkhälsodatauppsättningar.