文本和谈话：提高提供者 HPV 疫苗推荐有效性的多层次干预 (Text&Talk)

随机分配：该研究将使用双重随机、两级嵌套设计来检验假设，以检验两个嵌套的实施因素。 随机化将发生在两个层面：诊所和患者/父母。 一组随机试验构成了随机化的基础。

该研究将随机分配固定数量的 30 个诊所（以及每个诊所内的提供者），平均分配给三个提供者培训之一：（1）捆绑培训（n = 10 个诊所），（2）福利培训（n = 10 个诊所）和 (3) 没有培训（n=10 个诊所）。 每个诊所的所有提供者都将被邀请参加指定的培训。 研究人员预计每个诊所平均有 2 名提供者。 该研究将按基线疫苗接种率进行分层，以确保三组之间的平衡。 研究人员选择在诊所级别分配提供者培训，因为在每个诊所进行一次培训更为可行，并且它限制了提供者之间污染的可能性。

第二级随机化将在患者/父母中进行。 调查人员预计每个诊所有 70-100 名青少年。 该研究会将父母（嵌套在诊所内）平均分配到三个短信组之一：（1）捆绑（n = 30），（2）福利（n = 30），和（3）无消息（n = 30） ). 纳入标准为：10 岁、11 岁和 12 岁，在过去两年内就诊，没有更换提供者或接受青少年疫苗的记录。 随机化将包括 10 岁的儿童，因为短信将在青少年 11 岁生日之前发送。 由于 HPV 疫苗接种的巨大差异以及短信的有效性可能存在差异，因此该研究将根据患者的生理性别对短信分配进行分层。 为确保可审核性，将为两个级别的随机化编写单独的 SAS 程序。

提供干预措施：在每个随机接受培训的诊所，提供者将被邀请参加通过 Zoom 进行的基于小组的培训。 每次培训将持续一小时，提供者将因参与而获得继续医学教育 (CME) 学分。 培训将侧重于提高提供者推荐疫苗的意愿。 遵循最佳实践，每个提供者培训都将结合活动（演示、具体技能开发、角色扮演和反馈），将以学习者为中心并具有吸引力。 培训将包括： (A) HPV 疫苗接种背景介绍； (B) 提供者与家长交谈的方法说明、脚本和录像示例； (C) 在小组中练习准备好的角色扮演场景； (D) 对后续录音培训的解释。 对于 B 部分，捆绑培训将包括现有的国家认可材料。

该研究将对您与每个提供者的访问进行录音，以提供个人反馈，为依从性低于 80% 的提供者提供助推器（例如，脚本审查或障碍讨论），并评估提供者对指定方法的依从性。 为了提高可试验性，将鼓励提供者使用标准化表格记录他们对接下来的 10 名患者的疫苗接种建议，并将 HPV 疫苗接种率与前 10 名患者进行比较。

为了扩大和传播的可行性，将通过将我们的消息内容和时间整合到诊所现有的预约提醒系统中，从诊所向家长发送短信。 该研究将招募限制在具有预约提醒系统的诊所。 如果整合不可行或优于诊所，研究人员将协助发短信。

作为诊所质量改进工作的一部分，父母将收到交互式短信。 每个诊所都会通过他们的预约提醒电话号码发送短信，以便家长知道这些消息来自诊所。 选择退出诊所短信或未向诊所提供短信电话号码的家长将收到一封电子邮件或自动语音邮件。 短信将包含一个退出选项。

在研究开始时，将向所有 11 至 12 岁儿童的父母发送短信，这些儿童在过去两年内曾到过每个诊所，并且没有更换提供者或接受青少年疫苗的记录。 在整个学年中，我们将在孩子 11 岁生日前两周发送一条短信。 额外的短信将发送给在研究期间有诊所预约的 11 至 12 岁儿童的父母，同时发送短信预约提醒。 回复短信的家长将在两个工作日内收到预约安排电话。

集群设计的统计分析。 在整个分析过程中，统计团队将被蒙蔽以研究手臂分配。 最初，将比较实施策略（简短的提供者培训和交互式文本消息）和推荐方法（捆绑与收益）之间的描述性统计（具有 95% 置信区间 (CI) 的比率和均值）。

为了实现所有四个研究目标并评估过程测量，该研究将使用广义线性混合模型（GLMM；例如，SAS PROC GLIMMIX）而不是广义估计方程（GEE）来解释集群数据，因为集群数量相对较少（ 30 个诊所）和两个级别的随机化。 在所有四个目标中，主要结果是 HPV 疫苗接种（开始和最新）：患者层面的二元变量。 GLMM 将假设二项式分布并使用日志链接、建模风险（即比率）和最新并估计实施策略和推荐方法之间的比率（RR）。 保持在 RR 的框架内将有助于分析加性相互作用（目标 3）。 如果在探索回避方法后收敛失败是一个问题，我们将使用 logit 链接并围绕启动和最新的几率进行解释。

目标 1 和 2：实施策略对结果的主要影响。 该研究将通过固定效应的推断来检验我们的实施策略对 HPV 疫苗接种率的主要影响。 对于固定效应的推断，我们将使用组间 DDFM。 为了说明嵌套设计，我们将包括提供者和诊所的随机效应。 最初，该研究将包括提供者培训和家长短信之间的乘法交互，以检查一种实施策略是否会改变另一种策略的效果。 如果不显着（P>=0.05）， 正如假设的那样，研究人员将删除乘法交互作用，并将重点放在主要影响（目标 2）和加法交互作用（目标 3）上。 考虑到分层随机化，研究人员将根据基线 HPV 疫苗接种率和患者性别进行调整。 研究人员还将检查患者性别和种族/族裔作为可能的影响修饰符。

感兴趣的次要结果是提供者推荐频率（目标 1）和患者门诊就诊（目标 2）。 门诊就诊将使用上述类似的建模方法进行二元分析（是/否）。 该研究还将对每位患者的门诊就诊次数进行建模，最有可能使用零膨胀泊松模型（通过随机效应计算聚类数据）。 调查人员将仔细检查提供者推荐频率的分布，该频率以患者遭遇的百分比来衡量，并且类似于连续结果，以确定 GLMM 的适当分布/链接函数。 分析单位是提供者，因此，只需要诊所的随机效应。 对于目标 1，研究人员还将进行敏感性分析以调整提供者依从性评分。

目标 3：实施策略的附加交互。 研究人员将计算协同指数 (S)，该指数衡量一致提供者和父母推荐方法的 RR 一起大于提供者方法 RR 和父母方法 RR（即加性交互）之和的程度。 S > 1 表示协同作用，S < 1 表示两种方法之间存在对抗作用。 S 的标准误差计算将使用基于增量法的标准软件/模块进行估算。 S 是治疗/干预的加性相互作用的常用量度。 研究人员将计算这种协同作用以检验与目标 3.1 相关的假设（检验任何提供者和家长干预的综合有效性），研究人员将针对目标 3.2（检验协调干预的综合有效性）单独计算它。

目标 4：实施的临床实践级调节器。 为了确定五个特定的临床实践因素是否会改变实施策略的有效性，我们将考虑临床实践因素对 HPV 疫苗接种的固定影响，并评估临床实践因素与实施策略之间的特定相互作用。

过程评估分析计划。 该研究将评估实施策略对过程措施的有效性。 对于提供者培训，该研究将评估主要目标结构的变化、提供者在培训之前、之后和一年后接种疫苗的意图。 如上所述，将通过 GLMM 在三个时间点和跨提供者培训部门估计和比较提供者接种疫苗的意图的平均水平（李克特量表问题的组合）。 对于交互式文本消息，父母显着性的主要目标结构是通过对所有研究组的父母进行的一次性调查来衡量的。 父母显着率将被估计（具有 95% 的置信区间）并使用类似的建模方法（使用二进制变量/logit 链接）在父文本消息臂之间进行比较。