FOCUSau：二元数字健康干预措施，旨在改善晚期癌症患者及其护理人员的福祉 (FOCUSau)

学习环境：

患者-护理人员二人组将通过两种方式招募：(1) 医院推荐或 (2) 自我推荐。 对于方法一，将选择澳大利亚各地大约六家医院和/或癌症中心（大城市和地区）。 对于自我推荐招募方法，已了解该项目（但尚未经过临床医生正式筛选）的患者可以通过项目网站上的网络表格进行自我推荐。 这些患者将通过消费者/护理人员/癌症倡导团体或社交媒体广告来了解。

样品尺寸：

预先确定的严格固定序列（FS）程序定义了主要终点的前瞻性分层排序；情绪健康 (1) 和自我效能感 (2)。 零假设的检验按照其层次顺序进行；也就是说，首先在 5% 的显着性水平下检验假设 1 (H(1)0)，如果拒绝 H(1)0，则在相同的显着性水平下检验假设 2 (H(2)0)，否则根本不会测试 H(2)0。 与其他方法相比，严格的 FS 方法在检验第一个假设（结果：情绪健康）方面具有最高功效，因为它不会保存任何 alpha 部分用于检验后面的假设。 欧洲癌症研究与治疗组织 (EORTC) 对所有 III-IV 期癌症患者的参考平均值为 71.5 (SD: 23.8)。 为了严格控制由于多重比较导致的 I 类错误，alpha 水平设置为 0.025，而不是更常见的 0.05。 这种调整考虑了研究中所需的多重比较，包括对照组和两个参与者组（患者和护理人员）之间的比较。 统计功效设置为0.80。 T1（12 周）时，对照组和干预组主要结局的预期差异为 0.375 SD。 使用这些参数，每个臂需要 n=173 个二元组（即 总共 346 个二元组）。 预计 T1 的保留率最高可达 80%（USA FOCUS 保留率为 86%），大约需要招募 433 名二人组。 从 2014 年起，之前的数字健康 FOCUS 研究中符合资格的入学率达到了 55%，但考虑到现在互联网的普及和数字招聘方法，FOCUSau 的入学率预计会更高（估计为 70%）；这意味着需要确定大约 618 名符合资格标准的二人。 有证据还表明，提供数字健康干预措施后，招募率可能会增加。

数据分析：

FOCUSau 的有效性将使用 alpha = 0.025 的显着性水平与每个参与者群体（患者/护理人员）的标准护理（对照组）进行比较。 这些假设将使用混合模型（每个参与者群体）进行测试，其中情绪健康和自我效能的 T1 测量值作为主要结果。 这些混合模型将使用适用于 Windows 版本 27.0 和 R 的国际商业机器公司 (IBM) 社会科学统计软件包 (SPSS) 来实施，其中招聘中心被视为随机效应，随机化组被视为预测变量。 根据固定序列 (FS) 程序，只有在第一个主要终点（情绪健康）出现显着结果时，才会测试第二个主要终点（自我效能）的零假设。 此外，文献中确定的其他因素将作为潜在的预测因素纳入混合模型中的协变量。 将对“意向治疗”和符合方案原则进行分析。 为了解释不同结果的影响程度，将估计影响大小（Cohen's d）。

数据分析将涵盖所有主要和次要结果。 首先将分析主要终点，包括 T1 时测量的情绪健康和自我效能。 此后，将评估次要终点，包括在 T1 测量的非主要终点的结果，以及在 T2（从 T0 起 24 周发生）测量的所有结果。 这种方法可以进行全面评估，包括检查长期影响。

将通过改变参数输入（包括对缺失观测值的使用的敏感性）进行敏感性分析来探讨结果的稳健性和有效性。 分析将在试用期内进行；将根据随访结束时存活的患者比例来评估推断长期结果的可能性。

成本效益分析将报告为研究各组中每对夫妇的平均护理成本。 医疗保健服务使用费用将按照澳大利亚标准费用（例如，通过医疗保险福利表）。 如果观察到结果存在差异，如假设的那样，FOCUSau 与对照相比的增量成本效益将根据以下方面进行估计：(1) 每增加一名患者的成本，并在情绪健康方面有有意义的改善（使用 EORTC QLQ 进行评估） C30情绪健康量表）；分别地，(2) 每增加一名护理人员的成本，自我效能发生有意义的变化（使用刘易斯癌症自我效能量表进行评估）。 成本效益的基本案例分析将从医疗保健系统的角度进行。 随后的敏感性分析将修改成本评估，以采用社会视角来捕捉非正式护理成本的影响，并测试分析结果对其他参数输入变化的稳健性。

将描述和总结缺失的成本和结果数据。 如果缺失的数据可以被视为随机缺失，则将酌情使用似然（插值）方法对这些数据进行分析。