在老年综合护理计划 (PACE) 中照顾痴呆症患者的环境 (COPE)

第 1a 阶段 - 在线培训计划 - 我们将开发十个自定进度的在线学习模块。 这些模块将使参与者的 OT 和 RN 能够随时随地访问内容和活动以帮助他们学习。 这些模块将包括丰富的多媒体内容和交互式评估，以保持学习者的参与度。 这些模块将允许将内容轻松打包到此类内容的最新互操作性标准中，包括最新的可共享内容对象参考模型 (SCORM) 规范，这将允许重新利用和与其他机构共享。

为了适应学习需求的多样性，模块将使用具有四个维度的超学习模型进行设计。 一般原则将从模块学习目标开始，然后回顾核心概念和所需和/或自主学习活动。 模块的迷你讲座部分将包含有关模块主要概念的信息。 由于模块是自定进度的，学习者可以花时间浏览它们并在嵌入式交互式学习活动中进行。 临床推理维度将为学习者提供解决问题和做出临床决策的机会。 该维度将包含小插曲和案例研究，以及需要分析和综合的问题。 最后一个维度是对学习成果的评价/评估。 该维度将使用教师制作的标准化前后测试来评估特定学习成果的实现情况。 自定进度模块将具有高度交互性，具有集成的多媒体内容、评估和学习者评估，使 PACE 工作人员能够在高层次上参与内容并在模拟场景中练习应用。 每个模块将需要大约 45-60 分钟/模块供学习者完成。 参与者可以在整个培训课程的不同时间分别使用这些模块，或者可以在培训开始时通过提前加载此信息来分配他们。

为了开发这些模块，我们将在 01 年与德雷克塞尔大学的教学设计团队密切合作，该团队由痴呆症护理专家、COPE 计划和模拟专家、标准化患者的使用以及宾夕法尼亚大学护士和其他卫生专业人员的培训组成，三一健康和杰斐逊。 我们预计这些模块将包含以下内容：模块 1 - COPE 计划简介、研究证据和该计划的核心原则；模块 2 - 交付特征概述、RN 和 OT 的作用、COPE 计划的三个阶段（评估、实施、普遍化）、允许的调整；模块 3 和 4 评估阶段，介绍临床面谈和所有评估和表格；模块 5 和 6 - 实施阶段，包括帮助看护者确定 3 个问题领域，参与解决问题和集思广益，制定和提供评估报告，并为每个确定的问题领域提供处方（策略）；模块 7 和 8 - 概括性阶段或帮助护理人员使用针对一个问题领域的策略来解决另一个问题领域并规划未来；模块 9- 与来自不同背景、文化、生活环境和关系的家庭看护者建立融洽关系并合作，帮助家庭平衡看护与其他生活角色，根据准备程度调整方法；模块 10 - 具有挑战性的案例、动机性访谈、如何解释该计划、如何在护理人员所在的地方与他们会面并提供验证和支持。

每个模块的脚本将被开发并与不参与研究但在 Trinity PACE 计划中工作的 OT/RN 共享。 这将允许持续的反馈循环，以确保场景满足 PACE 员工的需求。 我们会将在线课程与目前使用 COPE 的传统 3 天面对面培训进行比较。

为期 3 天的培训计划将由 Piersol 博士使用幻灯片和案例演示进行，就像我们之前所做的那样。 两个培训计划的比较在下面的第 2 和第 3 阶段进行了描述。

PHASE 1b - 保真度监控计划 - 我们寻求开发一种可扩展的方法来评估 COPE 计划在现实环境中实施时的保真度，例如使用计算语言学技术的 PACE（例如 自然语言处理）。 通过使用自动分类程序来评估 COPE 程序的核心原则的忠实度的本质，这些程序评估应包含在 COPE 会话中的内容和交付方式。 虽然自动分类程序已用于衡量心理治疗领域转录叙述的质量指标 (21)，但尚未用于衡量质量的其他方面，即对循证实践或痴呆症护理和护理人员支持计划的忠诚度。 自动保真度监控程序的开发将分三步进行，由内容分析专家 Ani Nenkova 博士和语音识别和韵律顾问专家 Mari Ostendorf 博士组成的技术团队执行。 Co- I Nenkova 在自动摘要、自动摘要和可读性和语言风格的评估方面进行了大量工作。 我们努力的最终目标是开发一个系统——给定 COPE 交付会话的记录（例如，在临床医生和护理人员互动后立即实时）——产生一个三级评分，表明保真度是否“优秀”、“可接受”或“有问题”。 将特别强调识别“有问题的”COPE 保真度的准确性，这对训练来说不是致命的，并且可能不会产生与以更高保真度进行的干预相同的预期结果。 首先，我们将获得 COPE 交互的 n-best 列表语音识别。 这将有助于减少下一阶段的识别错误。 直到最近，录音转录还充满挑战，尤其是在涉及两个或更多演讲者的会议中。 音频信号和语音识别的进步使自动语言分析技术触手可及。 最近的研究表明，在行为研究中对保真度进行分类时，基于文本的特征可能比单独使用音频特征更有效 (47)。 自动语音识别软件将用于转录会话，生成的单词将用于基于文本的保真模型。 所有 COPE 培训、实践和实施课程都将在参与者同意的情况下进行录音。 我们可以使用几种自动语音识别工具。 我们将选择最能平衡我们领域内识别准确性和隐私的方法。一旦获得成绩单，我们将开发和对比两种方法：(1) 与参考交付进行比较，以及 (2) 监督分类方法. 第一个的优点是，对于七个维度中的每一个，只需要少量的优秀交付和几个可接受的交付，而另一个需要更大的标记数据集，但可能会导致更高的预测准确性。

与参考文献的比较或相似性（步骤 A 和 B）：我们的方法将利用广泛用于评估自动生成内容的技术，例如机器翻译和自动文本摘要。 在这些应用程序中，通过人为质量判断来跟踪系统改进是不可行的。 相反，大部分进展是通过计算一组示例参考文本（即 什么是“好的”翻译或“好的”摘要）和系统输出。 这种自动评估方法广泛用于机器翻译 (48) 和摘要 (49)。 虽然有人担心自动措施不足以区分非常好的上下文级别，但这些措施显示出区分“非常糟糕”内容 (50,51) 的强大能力，（或保真度差）符合需求我们的项目。

在步骤 A 中，我们将编译 10 个“出色”的 COPE 保真度交付示例，其中表达期望方面的区域将被明确标记，即标记为讨论人与环境适应性的部分，或临床医生要求开放的交互部分结束提问或确认看护人对内容的理解。 接下来，将根据新交互与参考“优秀”交互的相似性对新交互进行排名 (52)。 在第 2 步中，我们将确定“有问题的”保真交付。 我们将使用 10 个“可接受”但不完美交付的负面示例。 如果新交互的排名低于其中大多数，它将被认为是不可接受的或“有问题的”。 参数和决策规则将在此步骤中开发，以确定宣布交互有问题的截止水平。

Hirshman 和 Renz 博士（他们不是 COPE 的最初开发者，因此他们提供独立审查）将使用为原始临床开发的 COPE 依从性量表来评估录音的“优秀”与“有问题”保真度等级的确定试验，以评估有效实施核心治疗原则的程度。 依从性量表的评分已经标准化，1.00 代表完全忠实，0.00 代表完全不忠实。 该量表以前是根据 NIH REACH I 和 II 保真度方法建模的。 综合保真度评级的结果将用于将自动保真度程序改进为“最佳模型”，以在步骤 C (53) 中进行测试。

监督分类（步骤 C） 对于这种方法，我们需要检查所有记录的会话（600 多个）。 我们将训练一个监督分类器或回归模型来预测给定交互的分数（1 到 3，对应于优秀、可接受和有问题）。 我们将试验许多分类器，包括深度学习框架和更传统的支持向量机和（逻辑）回归模型。最终验证集的 100 个标记交互将用于最终确定保真度预测的最佳模型。

第 2 阶段 - 评估干预者接受和忠实度在线培训计划 本研究的第 2 阶段涉及一系列活动，旨在评估在线培训计划在提高干预者对 COPE 原则和忠诚度方面是否相同或更好协议与高强度的面对面传统形式的培训相比。

第 3 阶段（目标 3）- 根据 COPE 培训类型，COPE 对 PACE 参与者结果的功效。

这一目标将通过在两种不同的培训方法下评估 COPE 计划的二元结果来实现。 培训结束后，每个 PACE 组织将招募 5 名痴呆症患者及其护理人员参与研究。 这将产生 50 个家庭二元组（传统培训站点中的 25 个二元组和在线培训站点中的 25 个二元组）。

招聘计划包括以下目标：

到 2022 年 8 月 1 日完成 25% 的招聘 到 2022 年 10 月 31 日完成 50% 的招聘 到 2022 年 12 月 28 日完成 75% 的招聘 到 2023 年 2 月 28 日完成 100% 的招聘 到 2023 年 4 月 28 日完成数据分析