移动文本方法在全方位护理协调中的测量与反馈 (SMARTwrap)

本SBIR第二阶段的目标是开发并测试一种专为环绕服务模式（WSM）设计的新型测量与反馈系统，称为SMART-Wrap。 目标3包括一项关于SMART-Wrap的对照效果研究，其中2家WSM提供组织（WPO）将参与一项平行分组随机试验。 采用级联招募策略，将招募24个护理团队，其中12个团队随机分配至SMART-Wrap干预组，12个分配至“常规服务”（SAU）组，按主管分层以平衡聚类效应。 随机化将在护理协调员（CC）层面进行。 每位WPO主管（n = 12）将有相等数量的CC分配至每组条件（每位主管约2名CC），每组条件产生6名主管（每个WPO 4名）。 护理团队参与者必须同意在8个月的测试期内将SMART-Wrap原型作为其WSM的一部分使用，并完成服务和实施结果的测量。 CC使用标准化评估、计划修订和其他SMART-Wrap促进行为将通过每月在线调查进行评估。 研究人员将为每位CC招募n=5名护理者（CG），他们将是数据收集的主要焦点。 这将产生总共招募的N=120名（每组n=60名）患有严重情绪障碍（SED）的8-17岁青少年的护理者样本。 家庭参与者将总共参与4个月，在4个月的招募期内开始。 家庭参与者将在基线和4个月时回应有关服务和青少年结果的测量。

研究人员对我们的主要结果提出以下假设：（1）与对照组的护理团队相比，SMART-Wrap组的护理团队将表现出（a）在服务提供中更多地使用数据和反馈；（b）对环绕过程更高的忠诚度；（c）更高的自我报告团队合作、工作联盟和对干预的满意度；以及（d）对标准化评估更积极的态度；以及（2）与对照组相比，接受来自使用SMART-Wrap的护理团队服务的青少年护理者将报告（a）更高的目标清晰度；（b）更多地使用基于测量的护理策略；（c）对服务和进展更高的满意度；（d）对环绕更好的忠诚度；（e）更有效的团队运作；以及（f）更积极的结果，包括减少护理者压力和改善症状及功能。

我们的探索性假设侧重于监督，以检验（1）随机分配至SMART-Wrap的主管是否报告（a）监督时间中更大比例用于审查家庭进展数据和案例概念化及策略；（b）与护理协调员更强的联盟；以及（c）对CC有效性的更高感知。 研究人员还将探索（2）SMART-Wrap测量的有效性，通过询问在服务提供中通过SMART-Wrap评估的领域（例如，联盟、进展、满意度、功能）是否与外部研究团队通过访谈和调查收集的数据相关联。

为了评估青少年和CG结果的差异（青少年在Top Problem Assessment（TPA）上的功能、青少年在Brief Problem Checklist（BPC）上的症状以及护理者在Caregiver Strain Questionnaire（CSGQ）上的压力），研究人员将使用一系列3层纵向分层线性模型（每个结果变量单独模型）来比较基于干预条件的组变化率和时间点平均分数的差异。 研究人员还将在TPA的五个数据时间点上测试曲线时间趋势。

为了评估实施结果，研究人员将进行以下分析。 将运行一系列2层横截面HLM，其中家庭嵌套在CC内，以评估CG和CC在Wraparound Fidelity Index, Brief Version上的环绕忠诚度作为干预条件的函数。 将运行单独的3层纵向HLM来测试基于干预条件的差异，包括CC在Therapist Satisfaction Inventory上的满意度、在Attitudes Towards Standardized Assessment scale上对标准化评估的态度，以及在监督会议中花费在（1）审查家庭进展数据和（2）案例概念化及策略上的时间百分比（使用Supervision Process Questionnaire（SPQ），SPQ上包含时间点、CC和主管的层级）。 将运行纵向HLM探索在Monthly CC Report（MCR）和Monthly CG Report（MPR）上使用数据/反馈和其他MFS目标的变化率，研究人员将在5个月内测试曲线趋势。 研究人员将使用HLM探索CG和CC在Working Alliance Inventory上的联盟、满意度和出席率的差异。 退出是二项式的；因此，研究人员将使用分层广义建模、对数链接函数来估计退出的几率。

为了评估探索性分析，研究人员将进行以下分析。 使用两个HLM，研究人员将预测青少年功能（例如，TPA）的轨迹，同时考虑MCR和MPR总分的时间变化。 为了探索SMART-Wrap测量的有效性，研究人员将关联SMART-Wrap测量与其他测量。 使用Pearson r和组内相关系数（ICCs），研究人员将探索时间点匹配的CC在SMART-Wrap中青少年功能评分与CG评分的TPA、CGSQ和BPC之间的关系。 研究人员还将探索SMART-Wrap中进展评分的Pearson r相关性，以及HLM计算的护理者评分TPA的变化率。 研究人员将检查SMART-Wrap中记录的家长满意度与家长满意度评分之间的关系。 其次，研究人员将研究系统的使用如何可能与几个结果的改善显著相关，包括忠诚度、工作联盟以及青少年问题和症状。 预测变量将包括CC和主管使用SMART-Wrap系统元素、数据完整性和系统内时间。 对于这些分析，研究人员将根据因变量的性质（纵向或横截面）使用适当的HLM。在所有分析中，研究人员将使用完全最大似然估计来建模随机缺失的数据，以考虑流失偏差，并使用错误发现率控制多重比较。