En prospektiv randomiserad prövning av personliga knuffar för att öka antalet influensavaccinationer

I genomsnitt blir 8 % av USA:s befolkning sjuka av influensa varje influensasäsong. Sedan 2010 har den årliga sjukdomsbördan av influensa i USA innefattat 9-41 miljoner sjukdomar, 140 000-710 000 sjukhusinläggningar och 12 000-52 000 dödsfall. CDC rekommenderar influensavaccination till alla i åldern 6 månader och äldre, med sällsynta undantag; nästan alla kan dra nytta av vaccinet, vilket kan minska sjukdomar, uteblivet arbete, sjukhusvistelser och dödsfall.

Framgångsrika ansträngningar för att få patienter vaccinerade mot influensa har inkluderat textmeddelandepåminnelser som är tidsinställda för att föregå kommande influensasprutningsberättigade möten med upp till 3 dagar. Till exempel bedömde den Roybal-finansierade megastudien med influensaskott som genomfördes med Penn Medicine och Geisinger-patienter (Milkman et al. 2021, Patel et al., 2023) effektiviteten av många typer av meddelanden för att öka vaccinationen, i förhållande till standardkommunikation från respektive hälso- och sjukvårdssystem; en genomsnittlig 2,1 procentenhets absolut ökning (eller 5 % relativ ökning) av influensavaccinationer uppstod på grund av meddelandena. På liknande sätt visade uppföljningsanalys av megastudien med hjälp av maskininlärning att interventioner skilde sig i relativ effektivitet mellan grupper av patienter som en funktion av överlappande kovariater (t.ex. ålder, kön, försäkringstyp och komorbiditeter). Denna analys fann att nudges optimalt riktade till undergrupper som reagerade starkast på dessa nudges i megastudien skulle ha resulterat i upp till tre gånger ökningen av vaccination som observerades när man helt enkelt slumpmässigt tilldelade patienter till meddelanden.

Den här studien syftar till att prospektivt testa effektiviteten av en patientvänd, meddelandebaserad nudge som förutsägs av denna retrospektiva maskininlärningsalgoritm vara mest effektiv för dem (Personalized Nudge) i förhållande till passiv kontroll (inga meddelanden), Active Control ( enkelt påminnelsemeddelande) och Best Nudge (bäst presterande meddelande från megastudien 2020). Patienterna kommer att randomiseras till en av dessa fyra armar.

Av de 19 originalmeddelandena från megastudien kan 12 genomföras på Geisinger 2024; de andra 7 är antingen inte längre relevanta (t.ex. de som hänvisar till en pågående COVID-19-pandemi) eller kan inte utföras på grund av en teknisk begränsning (t.ex. Geisinger kan inte skicka bilder, så knuffar med bilder är uteslutna). Ett behandlingstilldelningsträd baserat på algoritmen som beskrivs ovan kommer att tillämpas på denna delmängd av nudges för att generera regler för att tilldela patienter personliga meddelanden baserat på observerade kovariater.

De sista patienterna kommer att skrivas in den 28 december för möten planerade till 31 december. Minst 90 000 patienter förväntas bli inskrivna.