En mobiltextmetod för mätning och återkoppling vid omsorgskoordinering med helhetsansats (SMARTwrap)

Syftet med detta fas II SBIR är att utveckla och testa ett nytt mät- och återkopplingssystem skräddarsytt för Wraparound Service Model (WSM), kallat SMART-Wrap. Mål 3 består av en kontrollerad effektstudie av SMART-Wrap där 2 WSM-leverantörsorganisationer (WPO) kommer att delta i en parallell grupprandomiserad studie. Med en kaskadrekrutteringsstrategi kommer 24 vårdteam att rekryteras, med 12 team randomiserade till SMART-Wrap-interventionen kontra 12 till "tjänster som vanligt" (SAU), stratifierade efter handledare för att balansera klustringseffekter. Randomisering kommer att göras på vårdkoordinatornivå (CC). Varje WPO-handledare (n = 12) kommer att ha lika många CC:er tilldelade till varje villkor (ca. 2 CC:er per handledare), vilket ger 6 handledare i varje villkor (4 per WPO). Deltagare i vårdteamet måste godkänna att använda SMART-Wrap-prototypen som en del av deras WSM under en 8-månaders testperiod och slutföra mätningar av service- och implementeringsresultat. CC:ers användning av standardiserad bedömning, planrevision och andra SMART-Wrap-främjande beteenden kommer att bedömas via månatliga webbaserade enkäter. Forskare kommer att rekrytera n=5 vårdnadshavare (CG) per CC som kommer att vara det primära fokuset för datainsamling. Detta kommer att ge ett totalt rekryterat urval av N=120 (n=60 per grupp) vårdnadshavare till ungdomar i åldern 8-17 år med SED. Familjedeltagare kommer att delta i totalt 4 månader, med start inom en 4-månaders rekryteringsperiod. Familjedeltagare kommer att svara på mätningar avseende service och ungdomsresultat vid baslinje och efter 4 månader.

Forskare formulerar följande hypoteser för våra primära utfall: (1) jämfört med vårdteam i kontrollgruppen kommer vårdteam i SMART-Wrap-gruppen att visa (a) större användning av data och återkoppling i serviceleverans; (b) större trohet till Wraparound-processen; (c) högre självrapporterat teamarbete, arbetsallians och tillfredsställelse med interventionen; och (d) mer positiva attityder till standardiserad bedömning; och (2) jämfört med kontrollgruppen kommer vårdnadshavare till ungdomar som får tjänster från vårdteam som använder SMART-Wrap att rapportera (a) större målklarhet; (b) större användning av MBC-strategier; (c) större tillfredsställelse med tjänster och framsteg; (d) bättre trohet till Wraparound; (e) mer effektiv teamfunktion; och (f) mer positiva resultat, inklusive minskad stress hos vårdnadshavare och förbättrade symptom och funktion.

Våra explorativa hypoteser fokuserar på handledning för att undersöka om (1) handledare randomiserade till SMART-Wrap rapporterar (a) en större andel handledningstid som ägnas åt att granska data om familjeframsteg och fallkonceptualisering och strategier; (b) större allians med vårdkoordinatorn, och (c) större uppfattning av CC:s effektivitet. Forskare kommer också att utforska (2) giltigheten av SMART-Wrap-mätning genom att fråga om domäner som bedöms via SMART-Wrap i serviceleverans (t.ex. allians, framsteg, tillfredsställelse, funktion) är associerade med data som samlats in av det externa forskningsteamet via intervjuer och enkäter.

För att utvärdera skillnader i ungdoms- och CG-resultat (ungdomsfunktion på Top Problem Assessment (TPA), ungdomsymptom på Brief Problem Checklist (BPC) och vårdnadshavares belastning på Caregiver Strain Questionnaire (CSGQ)) kommer forskare att använda en serie 3-nivåers longitudinella hierarkiska linjära modeller (separat modell per utfallsvariabel) för att jämföra skillnader i gruppers förändringshastigheter och medelvärden vid tidsmätningar baserat på interventionsvillkor. Forskare kommer också att testa för kurvlinjära tidstrender över fem tidsmätningar av data på TPA.

För att utvärdera implementeringsresultat kommer forskare att genomföra följande analyser. En serie 2-nivåers tvärsnittliga HLM med familjer kapslade inom CC:er kommer att köras för att bedöma CG:s och CC:s Wraparound-trohet på Wraparound Fidelity Index, Brief Version som en funktion av interventionsvillkor. Separata 3-nivåers longitudinella HLM kommer att köras för att testa skillnader, som en funktion av interventionsvillkor, på CC:s tillfredsställelse på Therapist Satisfaction Inventory, attityder till standardiserad bedömning på Attitudes Towards Standardized Assessment-skalan och procentandel tid under handledningsmöten som ägnas åt (1) att granska data om familjeframsteg och (2) fallkonceptualisering och strategier på Supervision Process Questionnaire (SPQ) (med nivåer för tidsmätning, CC och handledare på SPQ). Longitudinella HLM kommer att köras för att utforska förändringshastigheten i användning av data/återkoppling och andra MFS-mål på Monthly CC Report (MCR) och Monthly CG Report (MPR), och forskare kommer att testa för kurvlinjära trender över 5 månader. Forskare kommer att utforska skillnader i CG:s och CC:s allians på Working Alliance Inventory, tillfredsställelse och närvaro med HLM. Avhopp är binomialt; därför kommer forskare att använda Hierarchical Generalized Modeling, log-link-funktion för att estimera odds för avhopp.

För att utvärdera explorativa analyser kommer forskare att genomföra följande analyser. Med två HLM kommer forskare att förutsäga utvecklingen av ungdomsfunktion (t.ex. TPA), samtidigt som man tar hänsyn till tidsvarierande förändringar i MCR- och MPR-totalsummor. För att utforska giltigheten av SMART-Wrap-mätning kommer forskare att associera SMART-Wrap-mått med andra mått. Med Pearson r och Intraclass Correlations (ICC) kommer forskare att utforska förhållandet mellan tidsmätningsmatchade CC-poäng på ungdomsfunktion i SMART-Wrap och CG-betygsatta poäng på TPA, CGSQ och BPC. Forskare kommer också att utforska Pearson r-korrelationer mellan betyg på framsteg som poängsätts i SMART-Wrap och HLM-beräknad förändringshastighet på vårdnadshavares betygsatta TPA. Forskare kommer att undersöka förhållandet mellan föräldratillfredsställelse som registreras i SMART-Wrap och Parent Satisfaction-poäng. För det andra kommer forskare att studera hur användningen av systemet kan vara signifikant relaterad till förbättring på flera utfall, inklusive trohet, arbetsallians och ungdomsproblem och symptom. Prediktorer kommer att inkludera CC:s och handledares användning av SMART-Wrap-systemelement, datakomplettering och tid i systemet. För dessa analyser kommer forskare att använda HLM som är lämpliga för DV:erna (longitudinella eller tvärsnittliga). Över alla analyser kommer forskare att modellera data som saknas slumpmässigt med full maximum likelihood-estimering för att ta hänsyn till urvalsbortfallsbias och forskare kommer att kontrollera för multipla jämförelser med false discovery rates.