现实世界中存在利益冲突的医生信息披露

本研究采用混合方法设计。 随机干预 (RCT) 将向大约 1310 名患者发送一封邮寄信件，在患者与医生会面之前披露他们的医生与行业的财务关系。 有 4 种实验条件，系统地改变 COI 披露的措辞，以及一种控制条件。 这些患者在看医生后将接受简短调查，使用标准化的信任度和其他问题。 目标是达到 65% 的响应率（最终 n=850）。

样本大小是根据 Mayer Trust Scale 中 0.3 个单位的变化确定的，该量表适用于使用 SAS 软件版本 9.3 中的 POWER 程序在子组之间指代“医生”而不是“管理”。 在其最初的介绍中，Mayer Trust Scale 将 4 项信任评分的标准偏差列为 0.66 - 0.68。 850 名患者（5 组中每组 170 名）的样本量将提供 82% 的功效来检测 Bonferroni 校正后 10 种可能比较的 Mayer Trust Scale 0.3 单位差异，假设标准偏差为 0.7 并且显着性水平0.005（0.05 / 10 比较）将用于这些分析。 此外，这个样本量将允许多变量回归模型有足够的参数来适应模型中每个预测因子的建议比例 10 名患者。

此外，为了补充源自患者的 RCT 调查结果，将采访约 25 名行业关系超过 20,000 美元的克利夫兰诊所医生，以收集他们对 COI 披露的看法。 这些访谈将在 RCT 之前和之后进行，并将收集定性和定量数据。 定性数据将使用内容分析进行分析，内容分析是数据浸入和数据编码的迭代过程，其中叙述性数据根据主题内容被分类为离散代码，然后用于计算描述性统计数据。