到达时间实施

患者准时到达对于维持诊所高效运营、确保患者获得完整预约诊疗时间至关重要。 迟到会扰乱诊所流程，减少与医护人员的接触时间，并可能延误后续预约，对整个工作日的安排产生连锁影响。 本项目旨在测试一种低成本行为干预措施，以明确到达期望并促进患者按预约时间准时到达。

本研究评估一项干预措施的有效性，该措施旨在使预期到达时间对患者更加醒目。 作为UCLA Health运营改进计划的一部分，该研究将在提供初级保健的门诊科室实施，以改善诊所流程和患者体验。

具体而言，该干预措施通过UCLA Health使用的两种沟通渠道，改变了向患者（或18岁以下患者的代理人）呈现预约信息的方式：(1) 患者门户网站（在UCLA Health称为MyChart）和 (2) 短信平台（在UCLA Health称为Hello World），该系统会在患者预约前向其发送自动短信通知。

对照组条件：在MyChart主页上，患者仅看到其即将到来的预约的预定时间（例如，“Starts at 3:00 PM”）。 在预约详情页面内，患者会看到其预约时间以及一条附加指示：“Arrive 15 minutes before your appointment.” 短信通知会说明预约时间，并包含提前15分钟到达的提示（例如，“[Patient name], you have an upcoming visit on 12 Jan 2026 at 3:00pm. Arrive 15 minutes before your appointment time”）。

干预组条件：在MyChart主页上，患者会看到其即将到来的预约的明确到达时间，该时间设定为比预定预约时间早15分钟（例如，对于预定在下午3点的预约，显示“Arrive by 2:45 PM”），而不是预约时间本身。 在预约详情页面内，患者会看到其预约时间以及到达时间。

短信通知明确告知患者其预期到达时间，而非预约时间（例如，“[Patient name], you have an upcoming visit on 12 Jan 2026. Arrive by 2:45pm.”）。

研究者将实施整群随机化，将同一诊所大楼内的所有现场医生或高级实践提供者（APP）预约分配到相同的实验条件。 总共将包括37个诊所大楼。 研究者计划运行此临床试验6个月。 到达时间功能将在试验期开始前1个月实施，以引入洗脱期。

关键研究问题：

研究者提出以下研究问题：显示明确的到达时间是否会改变患者为预约提前到达的情况？ 研究者假设，与对照组条件相比，干预组将导致人们更早地为预约到达。

除了检查患者为预约提前多久办理登记（主要结局指标）这一连续指标外，研究者还将检查两个二元指标：

A. 准时到达：干预组是否更可能导致患者准时到达（即在预定预约时间之前或之时办理登记）？

B. 提前到达：干预组条件是否会增加患者在预定预约时间前至少15分钟到达的可能性？

分析计划：

研究者将使用具有稳健标准误的普通最小二乘（OLS）回归来预测结局变量。 统计推断将基于在诊所大楼层面（随机化单位）聚类的模型稳健标准误。 所有分析将在预约层面进行。 主要预测因子将是一个指示变量，表明患者的诊所是否被分配到到达时间干预组条件（相对于标准预约时间对照组）。

这些回归将在包含和不包含以下控制变量的情况下运行：

• 患者年龄（如果有缺失值，研究者将用均值替换并添加一个虚拟变量来指示年龄缺失的患者）
• 患者性别
• 患者种族/民族
• 患者守时性：在试验开始前的过去36个月内，患者在同一诊所的现场医生预约中准时到达的比例（在此期间没有完成预约的患者将存在数据缺失。对于这些情况，研究者将使用样本均值进行插补，并添加一个虚拟变量来指示这些患者）。如果我们无法获得试验开始前36个月的患者就诊历史，我们将转而控制患者在UCLA Health（所有诊所）的现场医生预约中准时到达的比例（不包括临时预约）
• 就诊类型（成人 vs 儿童；新患者 vs 复诊）
• 指示诊所是否使用15/30分钟时段或20/40分钟时段进行预约安排的指标
• 保险类型（传统医疗保险、Medicare Advantage、医疗补助、商业保险、其他/未知）
• 多重共病评分（如果有缺失值，研究者将用均值替换并添加一个虚拟变量来指示多重共病评分缺失的患者）

• 以下互斥的二元指标，用于解释（1）预约是否在到达时间功能实施前已安排以及（2）预约提前多久安排的差异：

  • 功能实施前安排：指示在到达时间功能实施前安排的预约的指标
  • 提前>7天安排：指示在实施日期当天或之后安排、且安排日期与预约日期之间间隔超过7天的预约的指标。
  • 提前1-7天安排：指示在实施日期当天或之后安排、且安排日期与预约日期之间间隔1至7天的预约的指标。
  • 提前<1天安排：指示在实施日期当天或之后安排、且安排日期与预约日期之间间隔少于1天的预约的指标。

作为探索性分析，研究者将仅检查在功能实施日期当天或之后安排的预约的治疗效果，因为这些患者收到的预约确认短信通知将反映实验设计。

为了进行稳健性检验，研究者将对二元结局进行logit模型分析，并在第1和第99百分位数（这是一个比后面主要结局部分指定的范围更宽的缩尾范围）重新估计连续到达时间结局的模型。

注意：一些患者在研究期间可能有多次符合条件的就诊。 主要分析将仅包括每位患者的首次就诊。 探索性分析将评估纳入后续就诊是否会改变结果。

为了检验异质性治疗效果，研究者将估计交互作用模型，其中治疗指标与患者、就诊或诊所特征相互作用。 研究者将分析以下调节变量：

• 如上定义的个体患者层面守时性（为了处理缺失值，回归模型将使治疗指标与插补的守时率以及缺失指示变量交互）
• 患者在试验开始前的36个月内，在同一诊所参加医生预约的次数
• 诊所科室是否使用15/30分钟时段或20/40分钟时段安排预约
• 诊所的基线守时率：试验前六个月内准时（迟到≤0分钟）的预约百分比
• 就诊类型（成人 vs 儿童）
• 预约安排时间（四个互斥的亚组）：预约是否在到达时间功能实施前安排 vs 在功能实施后安排但距离预定就诊日期超过7天 vs 距离预定就诊日期1-7天 vs 距离预定就诊日期<1天。
• 多重共病评分（为了处理缺失值，回归模型将使治疗指标与插补的多重共病评分以及缺失指示变量交互）

研究者将进行额外的探索性分析，以检查干预措施的潜在下游后果：

1. 预约出勤率：研究者将探讨干预组条件是否影响失约率（与对照组条件相比）。明确显示更早的请求到达时间可能会增加失约率，如果一些患者认为自己已经错过了预约窗口，或者当他们意识到无法在请求的时间到达时感到气馁而不愿前来。

2. 患者满意度：

   研究者将探讨分配到干预组条件是否影响就诊后调查中的患者满意度评分，重点关注两个允许进行意向治疗分析的二元结局：

   A. 患者是否留下差评（如果患者给出1星或2星（满分5星），此变量等于1；如果患者给出更高星级的评分或未提供星级评分，则等于0）B. 患者是否留下好评（如果患者给出5星，此变量等于1；如果患者给出较低评分或未提供星级评分，则等于0）。

   研究者将对调查中患者的定性评论进行文本分析，以评估情感以及担忧或赞扬的来源。

3. 预约取消：研究者将测试干预组条件是否影响取消率（与对照组条件相比）。 此分析将有助于确定“Arrive By”表述是否对患者取消而非出席预约的可能性产生任何意外影响。
4. 诊所工作流程指标：

研究者将检查干预措施是否影响诊所内的以下两个运营指标：

A. 患者候诊室时间：患者登记后到被安置在检查室之间的分钟数。

B. 医生进入检查室的时间：预定预约时间到提供者进入房间之间的分钟数。

C. 登记到提供者进入之间的时间：患者登记到提供者进入检查室之间的分钟数。

研究者将对此组分析使用分位数回归。 这些探索性指标提供了关于改善的守时性是否转化为更顺畅的诊所流程或患者等待时间变化的见解。 这些指标可能是有噪声的，因为患者被安置在检查室或被提供者接诊的时间并不总是实时记录的。