在少年缓刑设置中扩大电子连接

拟议的研究将审查支持成功扩大 e-Connect 的策略，e-Connect 是为数不多的在社区监督下针对青年的循证自杀行为识别和跨系统联系计划之一。 该提案来自两位在司法系统、实施科学、临床决策支持系统和使用大型行政数据集方面具有互补专业知识的 PI，并得到强大的多学科团队的支持以实现研究目标。 在网关提供商模型 (GPM) 和探索、准备、实施维持 (EPIS) 实施框架的指导下，我们现在建议扩展我们的 e-Connect 工作，开发和测试实施规模扩大的“供应商模型”（ IE。 e-Connect 放大）。 在 e-Connect-scaleup 中，研究团队领导将作为外部促进者支持本地促进者，以确保在新的 JJ 系统和地理环境中交付 e-Connect 的知识、技能和专业知识的成功转移，利用实施策略来支持更广泛、持续和严格地采用 e-Connect。 在印第安纳州的 9 个县工作，随机分配到阶梯楔形、实施效果混合类型 2 设计中的三个波浪之一，具体目的是检查 e-Connect-scaleup 在 (i) 上的临床和成本效益确定少年缓刑犯的青年服务需求（SB 和 BH 相关）； (ii) 跨系统（缓刑-BH 机构）推荐； (iii) 青年 BH 服务使用（初始 BH 接触；主要结果）通过将 e-Connect 的性能与（a）标准缓刑官实践（基线）和（b）与之前 e-Connect 功效试验中取得的比率进行比较连接（目标 1）。 我们将研究 EPIS/GPM 内部和外部环境因素的潜在中介或调节作用 我们还将确定 e-Connect 是否可以大规模减少 SB/BH 服务需求识别、跨系统转诊和青年方面的种族或性别健康差异SB/BH 服务使用（例如，与标准缓刑实践（基线）相比，这将复制纽约州 e-Connect 减少差异的性能（目标 2）。 最后，我们将在保真度和可接受性方面检查 e-Connect-scaleup 的实施情况，并比较 9 个县从实施阶段到维持阶段的进展情况，以证明在试用环境中扩大 e-Connect 的可行性纽约州以外（目标 3）。 我们将阐明促进或阻碍实施战略和实践变革交付的内部和外部 EPIS 和 GPM 派生因素，以便在各种情况下扩大规模。

设置。 拟议研究的样本将从印第安纳州 9 个县的缓刑人员、合作治疗机构人员和缓刑青年中招募，这些县在地理上分布在全州。 这些县的人口密度各不相同，有 5 个符合农村/混合人口标准，4 个符合城市标准。 参与拟议研究的每个县也是印第安纳青少年拘留替代计划的成员，这是一项全国性的少年司法改革工作，由 Annie E. Casey 基金会资助，并在印第安纳州近三分之一的县采用。 JDAI 的重点是限制对低风险缓刑青年的不必要拘留。 每个 JDAI 县都成立了工作人员和社区成员委员会，使用数据驱动流程（JDAI 核心战略之一）来确定干预目标，评估干预措施的有效性，并继续监测进展情况以制定未来的干预措施。 印第安纳州认识到 JDAI 的好处，是第二个设立中央 JDAI 办公室以支持全州扩张的州。 每个 JDAI 县都有一名专门的协调员，他还将担任 e-Connect 的本地协调员。 请参阅指示参与地点相对于其他 JDAI 县和少年拘留中心位置的地图。

设计、样本量和随机化。 在拟议的集群随机阶梯楔形设计中，印第安纳州的 9 个县将被随机分配 - 按人口密度/城市化程度（作为人员配备和资源可用性的代表）分层 - 到 3-月间隔。

我们将检查 e-Connect-scaleup 在以下方面的临床和成本效益：(i) 确定青少年缓刑犯的青年服务需求（SB 和 BH 相关）； (ii) 跨系统（缓刑-BH 机构）推荐； (iii) 青年 BH 服务使用（初始 BH 接触；主要结果）通过将 e-Connect 的性能与（a）标准缓刑官实践（基线）和（b）与之前 e-Connect 功效试验中取得的比率进行比较连接（目标 1）。 我们将检查 EPIS/GPM 内部（例如 员工知识、组织运作）和外部环境因素（例如 青年年龄、SB 县率）对 e-Connect 扩大成果的影响。 我们还将确定 e-Connect 是否可以大规模减少 SB/BH 服务需求识别、跨系统转诊和青年 SB/BH 服务使用方面的种族或性别健康差异（例如，与标准缓刑实践（基线）相比，这将复制纽约州 e-Connect 的减少差异性能（目标 2）。 最后，我们将以两种方式评估 e-Connect-scaleup 的实施（目标 3）。 首先，我们将检查 e-Connect-scaleup 的保真度和可接受性，包括便利化策略。 其次，我们将记录扩大 e-Connect 的过程，比较 9 个县从实施阶段到维持的进展情况，以证明在纽约州以外的缓刑环境中扩大 e-Connect 的可行性；我们将探讨地点差异和其他 EPIS 和 GPM 因素对实施完成的作用（目标 3）。 通过随时间将站点随机分配到 e-Connect-scaleup，对照组（随时间变化）被视为在特定时间尚未推出 e-Connect-scaleup 的站点，照常处理 (TAU) . 这些行为保健级联结果的数据在每个县随机化前后收集到 e-Connect-scaleup，允许在现场估计变化，同时控制随时间推移的长期变化。 我们还将根据青年、员工和县级内部和外部环境因素检查 e-Connect 的潜在影响修正因素。 为了检查实施策略的影响和成功，我们将比较 9 个新县的实施完成阶段以及可行性和可接受性，探索地点差异的作用以及其他 EPIS 因素（外部、内部背景水平）实施完成。 集群随机设计有两个局限性：集群内潜在混杂变量分布不均的可能性（即 县）以及变量之间的相互关系。 我们提出的分层计划和倾向匹配的使用将解决与混淆相关的问题。 我们计算了我们检测 e-Connect-scaleup 影响的能力（即 power）使用保守的类内相关系数（ICC）0.65， 表示一个县内的结果之间存在中等-大的正相关关系，以解决县级变量之间的相互关系问题。