伸出援手：急诊科发起的连接多个卫生系统的高血压行为干预 (ReachOut ED)

高血压是心血管疾病最重要的可改变的危险因素，心血管疾病是美国死亡的主要原因。 与非西班牙裔白人相比，非洲裔美国人的高血压患病率是美国所有种族/族裔群体中最高的，这在很大程度上导致了他们中风负担的增加。 此外，不受控制的高血压在社会经济弱势人群中比在其对应人群中更常见。 为了改善健康公平，需要新的高血压治疗方法，重点关注医疗保健系统和难以接触到的人群。

急诊科 (ED) 错失了在难以接触到的人群中识别和治疗高血压的机会。 目前，每年有 1.36 亿次急诊就诊，几乎所有人都至少测量并记录了一次血压。 非裔美国人和在社会经济上处于不利地位的患者在 ED 患者人群中所占比例不成比例，并且两者都在增加。 在电子健康记录和移动健康时代，急诊部可以通过对电子健康记录进行编程来识别高血压患者并实施移动健康行为干预，从而切实成为慢性病管理中不可或缺的合作伙伴。 促进初级保健诊所的 ED 随访是拟议干预措施的一个关键特征。 因此，利用急诊部的优势及其大量不受控制、难以接触的高血压患者，结合初级保健诊所的优势，连续性护理是改善社区广泛利用卫生服务和接受医疗服务的关键。指南一致的医疗保健。

本研究旨在通过基于多成分理论的移动健康行为干预，确定哪些行为干预成分最有助于在一年内降低收缩压。

样本量和人口

我们最初计划招募大约 960 名患者进入资格阶段。 从这一组中，我们估计将有 480 名参与者报告符合条件的血压，并将随机分配到八个干预组之一。 我们预计 240 名参与者将完全完成 12 个月的亲自跟进访问。 然而，在招募了大约 400 名随机参与者后，我们注意到 6 个月访视时的保留率低于预期。 因此，我们将入组和随机分组的最大总数分别上调了 50%。 总体目标是实现约 240 名协议完成者（12 个月访问时的与会者）。 我们将继续监控应计和保留以实现这一目标。

数据分析

主要分析将使用 SBP 变化结果（基线负 12 个月）和健康行为文本的主效应编码二元预测因子（是与否）拟合线性回归模型，提示 BP 自我监测频率（高与低） )，以及初级保健提供者的就诊安排和交通（主动与被动）。 初步分析将侧重于主要影响。 其他分析将包括三个干预成分的所有双向交互作用（仅考虑交互作用中至少一个因素显示出足够大的主效应的交互作用）。

主要的二次分析将使用事件发生时间（Cox 比例风险）和逻辑回归。 对于感兴趣的终点（第一次初级保健就诊的时间，或指示在随机分组后 1 年内参加两次或更多次初级保健就诊的二元变量），研究人员将拟合调整后的回归模型。

扩展研究：

Reach Out Cognition 将 Reach Out 数据收集从当前的 12 个月扩展到 15 和 18 个月。 在 Reach Out Cognition 期间，我们旨在评估移动健康 (mHealth) 自我管理认知和血压 (BP) 测量的新方法。 这些方法可能包括通过移动应用程序（应用程序）和基于网络的调查进行认知评估，以及通过支持蓝牙的血压袖带和应用程序进行无线血压测量。

Reach Out Cognition 的研究人群将从完成 Reach Out 干预的 Reach Out 参与者中抽取，并定义为：完成 12 个月结果评估的参与者。 我们预计将有大约 240 名参与者完成 Reach Out 为期 12 个月的结果评估，并将有资格参加 Reach Out Cognition。

描述性统计将用于评估可接受性、可行性和满意度。 分母是完成 12 个月评估的 Reach Out 参与者的数量。 关于可行性，我们将单独通过 mHealth 措施（即 认知与 BP），电话类型（即 智能手机与功能手机）和操作系统类型（iOS 与 Android 与 Windows）作为连续和二分法（每种评估类型的完成率 >50%）测量。 将为所有参与者评估满意度量表。 鉴于不同手机类型的程序差异，我们将使用 Kruskal-Wallis 测试比较智能手机和功能手机用户之间的满意度。