降价对预防性牙科护理接受度的影响

本试验的患者将被随机分配到以下两种条件之一：Holdout条件（患者不会收到任何关于牙科检查的WhatsApp消息或通讯）或三个治疗条件之一（患者会收到一条WhatsApp消息，鼓励他们接受医院提供的预防性牙科检查）。 三个治疗条件的区别在于消息中所述的检查价格以及是否包含折扣券。

1. 大折扣价格条件：患者收到以4,990智利比索接受预防性牙科检查的报价。
2. 中等折扣价格条件：患者收到以9,990智利比索接受预防性牙科检查的报价。
3. 中等折扣价格加券条件：患者收到以9,990智利比索接受预防性牙科检查的报价，外加未来治疗的折扣券。 该券价值20,000智利比索，适用于费用超过150,000智利比索的治疗，并需遵守医院的附加条款和条件。

预防性牙科检查的原价为24,990智利比索。

研究条件的随机化将根据患者属于第1组还是第2组进行分层（参见参与标准）。

研究者提出以下研究问题：

1. 向患者发送鼓励他们预约预防性牙科检查的WhatsApp消息是否会提高牙科检查的接受率？ 研究者假设，相对于不发送任何消息，向患者发送WhatsApp消息将提高预防性牙科检查的接受率。

2. 折扣如何影响预防性牙科检查的接受率？ 研究者预计，在4,990智利比索条件下的预防性牙科检查接受率将高于9,990智利比索条件。

   研究者还测试了提供未来治疗优惠券是否会提高预防性牙科检查的接受率。

3. 折扣是否影响牙科护理的后续参与度？ 除了初始预约外，研究者还探讨了更大的折扣和提供未来治疗优惠券如何影响患者接受额外牙科治疗的情况。

分析：

研究者将使用稳健标准误差的普通最小二乘回归（OLS）来预测结果变量。

为了测试WhatsApp消息是否提高牙科检查的接受率，研究者将比较Holdout条件与三个治疗组的组合。 OLS回归中的关键自变量将是一个指示变量，表示每位患者在实验中是否收到（相对于未收到）WhatsApp消息。

为了研究折扣的影响，研究者将估计包含以下指示变量的模型：（1）大折扣（4,990智利比索）和（2）优惠券条件（9,990智利比索加优惠券），以无优惠券的9,990智利比索条件作为参考类别。 这种设定允许研究者分别估计（a）大折扣与中等折扣的效果（4,990智利比索 vs. 9,990智利比索）和（b）提供未来服务优惠券的效果（9,990智利比索加优惠券 vs. 无优惠券）。

这些回归将包含控制变量和不包含控制变量分别进行。 控制变量包括：

• 时间固定效应
• 参与者年龄
• 参与者性别（男性、女性、其他/未知）
• 患者过去是否在该医院至少有过一次牙科就诊
• 地区或诊所指示变量（如可用）
• 指示患者属于第1组还是第2组的变量（参见参与标准）

为了稳健性，研究者还将进行Logit模型分析。

研究者将检查治疗效果（即折扣和优惠券条件之间以及治疗和Holdout条件之间的接受率差异）是否因患者亚组而异。 具体而言，将测试以下调节变量：

• 患者在实验前是否完成过任何牙科就诊（基于医院可提供的数据）
• 患者在实验前是否完成过任何预防性医疗检查（例如乳腺X光检查）（基于医院可提供的数据）
• 患者过去在诊所网络中非牙科目的的就诊情况（基于医院可提供的数据）
• 保险类型（公共 vs. 私人）
• 患者年龄
• 患者性别（男性 vs. 女性）

出于探索目的，我们将观察预防性检查预约出席的更长的时间窗口（例如90天），并检查与预防性检查预约相关的其他行为（例如重新安排、取消）。