制定成人抗凝自我报告措施 (PERSONAE)

科学原理/背景

在直接口服抗凝剂不安全的情况下（例如，患有多种疾病的成年人），使用华法林或其他维生素 K 拮抗剂 (VKA)（如醋硝香豆素或苯丙香豆素）进行最佳抗凝治疗可能会预防一半以上与心房颤动相关的中风和心脏瓣膜置换术的主要出血并发症风险相对较低（Garcia 等，2022）。 在全球范围内，服用口服抗凝剂的患者比例一直在上升（Hsu et al., 2022）。 例如，大约每 100 名意大利人中有 2 人正在服用口服抗凝剂（直接药物和间接药物）（Marchetti 等人，2020）。 因此，对于接受 VKA 治疗的患者来说，有必要由专门的医院服务机构、初级保健医生、注册护士、执业护士或药剂师定期监测凝血酶原时间和剂量调整。

长期口服抗凝药物的人目前可以使用即时检测设备 (POCT) 来跟踪他们的凝血时间，以国际标准化比率 (INR) 表示（Kantito 等人，2018）。 自我测试的患者有两种选择：他们可以自我管理（按照预定的剂量-INR时间表改变药物剂量）或自我监测（联系诊所并要求适当的剂量调整）（Kuljis等人，2017） ）。 根据几项已发表的研究和系统评价，这些监测抗凝药物的方法被发现与传统医生管理方法的常规监测一样好或更好（Heneghan 等人，2016 年；Magon 等人，2020 年）。

抗凝控制的质量传统上用治疗范围内的时间（%TTR）来表示。 患者在治疗范围内花费的时间越长（%TTR 越高），血栓栓塞事件就会减少，但风险不会相应增加。 在此背景下，英国国家健康与护理卓越研究所 (NICE) 目前建议将 CoaguChek XS 和其他凝血计推荐用于房颤和心脏瓣膜疾病患者（NICE 诊断指南 [DG14]）（NICE，2016 年） 。 由 COVID-19 大流行引发的全球范围内也有类似的建议（Kow 等人，2020）。

尽管自我监控和自我管理（自我测试方法）有大量证据支持，表明其有效性和成本效益，但关于该主题的最新 Cochrane 综述得出的结论是，未来的研究应该检查定义人们准备情况的因素。进行（或不）自我测试的决定，并应考虑消费者的自我管理知识、导致人们寻求医疗救助的因素和详细的医疗信息（健康素养）、自我效能或对自我能力的自信- 管理以及感知或实际支持。 评估自我管理和自我监测的准备情况对于定制医疗服务、提高其效率以及支持合适患者进行充分的自我测试教育准备具有高度战略意义（Magon 等，2016）。 强调自我管理和自我监控的准备也可能是一项战略，以提高在意大利等国家采用自我测试方法的必要性，在这些国家，这种方法的采用率因一些组织和专业障碍而受到削弱，例如 POCT 的成本以及对患者如何管理治疗失去直接控制的不合理恐惧（Magon 等人，2022）。

学习规划

根据制定自我报告量表的建议（Rattray & Jones，2007），方法论的多阶段研究包括两个主要阶段。

第一阶段将侧重于概念化 PERSONAE 量表，并将基于发展方法论，包括三个主要步骤。 首要步骤是文献综述，包括与口服抗凝药物自我监测和自我管理准备相关的所有要素。 第二步将是开发人员之间召开共识会议，以检查文献综述结果并认可其综合结果。 然后，第三步将旨在将情况付诸实施，外部专家小组将参与确定新制定的量表的表面和内容有效性。

第二阶段将包括验证程序。 最初，显示具有可接受的内容有效性的项目的人物量表将用于横截面数据收集。 这一特定步骤将使用 Mokken 标度分析 (MSA) 程序确定第一版 PERSONAE 量表中的项目将如何响应不同水平的理论潜在特征（准备）（Watson 等，2012） 。 在本研究中，MSA 在设计上选择了探索性事实分析，因为它调查单个项目关于单个潜在特征的行为，而不是查看项目之间的联系，从而允许研究人员选择具有最高可扩展性的项目，以实现简短、可以在单个分数中计算的一维度量。 换句话说，通过添加使用分层方法建立的最相关的问题，MSA 满足了对口服抗凝药物自我监测和自我管理准备情况进行快速评估的目的。 一旦开发出稳定的一维人物量表，将进行第二次横截面数据收集，以交叉验证该量表的合理一维结构。

参与者和程序

在第一阶段，由 8-12 名专家（即护士、医生和药剂师）组成的小组将评估研究人员进行的文献综述得出的拟议项目的相关性和清晰度（内容有效性）。 这些项目将代表反映患者对安全有效地开始自我监控和自我管理做好准备的程度的情况。 相关专家将签署书面同意书，允许调查人员在科学报告中使用他们的社会人口和专业特征，因为内容有效性与相关专家的特征密切相关。 换句话说，这一阶段不能是匿名的，以便研究人员通过收集以下变量来提高小组特征的透明度：性别、年龄、学历、以前旨在测试内容有效性的研究经验以及口服抗凝药的经验。

一旦在第二阶段获得足够的内容有效性，该研究的协调中心 IRCCS Policlinico San Donato 将开始数据收集。 该协议包括两轮横截面数据收集，通过网络调查通过确保匿名来收集数据。 将通过使用涉及抗凝患者的协会的网页和社交网络媒体页面来采用便捷抽样程序，例如“Federazione delle Associazioni Italiane dei Pazienti Anticoagulati”（Feder-AIPA）和“Associazione Italiana Cardiopatici Congeniti”（AICCA）。 一旦第一轮数据收集完成（即达到样本量时），第二轮数据收集参与者的选择将基于与第一轮相同的方法，通过添加旨在解释如果患者已经回答了调查，因此无法在第二轮数据收集中重新填写调查，以避免重复回答。

取样程序

数据收集将使用云数据记录系统进行，并涉及发起人使用社交媒体活动、新闻通讯和传单传播的网络调查。 采样程序将由当地研究协调员和团队研究人员负责管理，并遵循良好的临床实践原则。 根据之前的研究，预计受邀患者的缓解率约为 60%（Magon 等人，2020）。

样本量

考虑到 PERSONAE 量表中的项目数量将取决于文献综述和内容有效性阶段，在此预开发阶段中几乎没有元素可用于运行精确的蒙特卡洛模拟，以确定所需的样本量，以实现至少一个功效0.80 拒绝总规模 H 系数 = 0 的原假设。为了确定执行 MSA 所需的样本量，Straat 等人的研究。 (2014) 表明 500 名参与者的样本可能足以执行 MSA。 Ligtvoet 等人进行的蒙特卡罗模拟也显示了类似的结果。 （2010）。 因此，第一轮数据收集需要 500 名参与者的样本量。 MSA 程序将允许根据特定的层次结构减少项目数量，仅包括满足单调性和不变项目排序假设的项目；选择产生的前 10-15 个项目将定义成年患者口服抗凝药物自我监测和自我管理的准备情况。

因此，第二轮数据收集所需的样本基于 Mplus 8.1 中执行的蒙特卡洛模拟（Muthén & Muthén，2017），考虑多种可能性（正态分布与非正态分布；缺失值低于 5%）与缺失值高于 5% 相比）。 在没有缺失数据和正态分布变量的情况下，执行 CFA 的最小样本量需要 150 名患者具有 0.80 的功效来拒绝因子相关性为零的原假设。 当将丢失数据的可能性添加到模拟模型中时，需要 175 个样本才能实现 0.80 的功效。 当使用具有非正态项且无缺失数据的 CFA 模型时，若要获得 0.80 的功效，则需要 245 名患者。 在添加缺失数据的可能性时，需要 305 名患者的样本量才能获得 0.80 的功效来拒绝因子相关性为零的原假设。 模拟的最后一步提供了最保守的方法，因此代表第二轮数据收集的样本大小。 对于每次模拟，数据都是从人群中生成的，其假设参数值源自之前的研究，其中包含探索潜在准备指标的项目，例如有关 AVK、健康素养和健康参与的知识（Magon 等人，2018 年，2021 年）。

资格标准

在第一阶段，专家的纳入标准将与管理 VKA 患者的经过验证的背景（至少一年）、至少具有护理、药学硕士学位或医学博士学位以及意大利语熟练程度相关。 排除标准将与该主题是否存在利益冲突有关。

对于第二阶段，纳入标准在后续表格（“组和干预措施”部分）中详细说明。

数据收集工具

数据收集将通过源自内容有效性阶段的 PERSONAE 量表版本、社会人口统计和临床数据表格以及基于 5 点评估的图形评级量表（从 0 = 强烈不同意到 5 = 完全同意）进行）评估患者如何同意使用技术辅助学习选项列表来表示他们希望接受教育（每个选项都会被评级）。

社会人口统计数据包括年龄（岁）、性别（男、女、其他）、婚姻状况（已婚、未婚）、教育程度（中专以下、中专、大学）、职业（在职工人） ，非活跃工人）。 临床变量包括口服抗凝治疗的时间、抗凝治疗的临床指征、治疗范围内的时间 (TTR) 以及过去三个月内血栓栓塞或出血并发症的病史。

数据分析

统计程序 R（R 统计计算基金会，维也纳，奥地利）中的包“mokken”将用于在第一轮数据收集的样本中执行 MSA（Ark 等人，2021 年）。 MSA 允许开发人员分层评估每个项目，并选择最相关的项目来评估准备情况（前 10-15 个项目），这是 PERSONAE 量表的重点。 这种方法假设一个项目的得分仅是潜在特质（准备程度）水平的函数，而不是任何其他项目的得分。 自动项目选择程序 (AISP) 将在 MSA 的第一阶段使用，以确定从所提供的数据中会出现多少种可能的量表。 项目的可扩展性将通过评估 Loevinger 的同质性系数 (coefH) 函数进行评估，然后在确定最可能衡量口服抗凝药物自我监测和自我管理准备情况的量表项目后检查单调性违规情况（只有低于 80 的违规才符合 Mokken 量表的要求）。 将计算尺度级别 (Hs)、项目级别（单个项目的可扩展性 Hi）和项目对 (HiJ) 的 Loevinger 均匀性系数及其置信区间 (CI)。 H 值分别等于或大于 0.30、0.40 或 0.50，显示弱、中或强尺度。 项目对的检查将维持排除那些违反单调性的项目，并提供对数据分布中的下限和上限效应的评估。 然后，将使用不变项目排序 (IIO) 来评估适当的项目，其中包括向后项目选择方法算法，以将问题池缩小到最适合基于单调同质性的受访者所使用的分层排序要求的问题。 IIO 程序将一次删除一项，直到没有发现重大违规行为。 对于将使用该算法的每个后续阶段，Htrans (HT) 系数将表示 IIO 选择的准确性。 HT 大于 0.30 被认为足以表示适当的 IIO 过程和一致的 Mokken 尺度（Watson 等人，2012）。 最后一组问题将用于计算使用 Molenaar-Sijtsma 技术计算的 rho 系数，以确保可靠性。

将采用验证性因素分析来交叉验证使用 Mplus 8.1（Muthén & Muthén，2017）从 MSA（理论上包括 10-15 个项目）导出的 PERSONAE 量表的合理一维结构。 第一个模型将基于参数的最大似然稳健估计而不受限制且未指定。 如果检测到参与者特征与量表总分之间的线性关系，则使用协变量 (MIMIC) 进行验证性因子分析，以估计子组之间的测量不变性。 在采用 MIMIC 模型的情况下，将使用“修改索引”命令探索每个参数减少的 χ2 量，该命令将允许作者检测哪些项目可能导致这种违反不变性的情况（因为在组之间表现出不同的行为）。 将评估导致不变性的项目是否可能从最终量表中删除。 验证性因素分析在解释样本统计方面的适用性将使用以下指标进行评估：χ2、χ2/自由度（DF，可接受范围：1.5-5）、比较拟合指数（CFI）和Tucker-Lewis指数（ TLI）（CFI 和 TLI > 0.90 表示拟合良好），以及近似均方根误差（RMSEA；值等于或小于 0.05 表示模型拟合良好，值从 0.05 到 0.08 表示拟合良好，值为 0.10 或更大表明拟合欠佳）。

如果根据经验满足随机假设的缺失，则对于低于 5% 的缺失，将使用可用案例方法来管理缺失数据；对于等于或高于 5% 的缺失，将使用回归插补进行管理。 将使用 Mplus 版本 8.1（美国加利福尼亚州洛杉矶）、IBM SPSS® Statistics for Microsoft Windows 版本 27（IBM Corp.，美国纽约州阿蒙克）和R 4.2.1（R 统计计算基金会，奥地利维也纳，http://www.R-project.org/）。

道德考虑

研究的第一阶段（内容有效性）将涉及专家，他们将被要求签署书面知情同意书。 研究第二部分设计的通过网络调查收集的数据可以定义为匿名，因为不可能使用收集的数据将任何特定样本与特定个人关联起来。 根据现行法律（欧洲法规 2016/679、立法令 101/2018），此类研究没有必要使用书面知情同意书，因为这会损害研究的匿名性。 另一方面，建议患者在完成在线调查问卷之前，通过易于阅读并描述调查目标的演示页面充分了解信息。

对临床实践的影响

该项目将允许临床医生（护士、血液学家、全科医生和心脏病专家）评估接受 VKA 治疗的患者自我管理和自我监测的准备情况。 评估他们的准备情况可能会对临床实践产生多种影响。

首先，在意大利和几个拥有类似全民医疗保健系统的国家，POCT 的利用率并不理想（Magon 等人，2022），强调为患者做好自我测试方法的最佳准备的结构化路径可能会优化实际采用这些安全、有效和具有成本效益的管理策略（自我监控和自我管理）。 这方面特别有意义，因为事实证明，采用传统方法进行自我测试的潜在合格患者报告的心理健康水平较低，因为他们感觉无法表达自己对管理病情的潜在贡献（Magon 等人，2020）。

其次，使用 VKA 治疗的患者对自我管理和自我监测的准备可能会指导为患者设计量身定制的教育活动。 文献中广泛提出了对 VKA 患者进行量身定制教育的必要性，特别是考虑到 COVID-19 大流行带来的限制（Price & Ansell，2022）。 这些教育方法还应推动专业间合作和共同决策（Gee et al., 2022）。

第三，该项目的次要目标将提供意大利环境下准备情况的初步流行病学描述，并可用于确定公共卫生政策的优先顺序，以缩小可能出现的差距。 此外，对患者最欣赏的技术辅助学习选项的描述可以为临床医生和公共卫生官员提供信息。