发表在24卷第一名(2022): 1月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/33873,首次出版
减少加巴喷丁类处方不当的数字化精确公共卫生干预的实施和评估:聚类随机对照试验

减少加巴喷丁类处方不当的数字化精确公共卫生干预的实施和评估:聚类随机对照试验

减少加巴喷丁类处方不当的数字化精确公共卫生干预的实施和评估:聚类随机对照试验

原始论文

1药物质量使用和药学研究中心,南澳大利亚大学临床和医学科学,澳大利亚阿德莱德

2澳大利亚药品手册有限公司,阿德莱德,澳大利亚

通讯作者:

Andre Q Andrade医学博士

优质药物使用及药学研究中心“,

南南大学临床和医学科学

南澳大利亚大学

GPO邮箱2471

阿德莱德,5001

澳大利亚

电话:61 8 8302 2314

电子邮件:andre.andrade@unisa.edu.au


背景:数字技术可以快速有针对性地大规模提供审计和反馈干预措施。很少有研究评估了分娩方式如何影响临床专业行为的改变,也没有研究评估了这种倡议在全国范围内的可行性。

摘要目的:本研究的目的是开发和评估审计和反馈的数字与邮政(信件)交付模式对初级保健医生行为的影响。

方法:这项研究是退伍军人药物咨询和治疗教育服务(MATES)项目的一部分,该项目由澳大利亚政府退伍军人事务部资助,提供有针对性的教育和针对患者的审计,并向澳大利亚全科医生提供反馈,同时向退伍军人和其他卫生专业人员提供教育材料。我们进行了一项多面干预的聚类随机对照试验,以减少不适当的加巴喷丁类处方,比较了数字和邮政交付方式。所有针对的老兵患者也接受了教育干预(邮寄)。疗效的测量采用线性混合效应模型,即加巴喷丁类药物的平均处方数量(按规定的每日剂量(个体水平)标准化),以及干预后6个月和12个月访问心理学家的退伍军人数量。

结果:该试验于2020年3月在澳大利亚进行,涉及2552名全科医生。两个干预组在研究期结束时加巴喷丁类药物的总处方均显著减少(数字:平均减少11.2%,P= 04;邮政:平均减少11.2%,P=措施)。我们发现,在12个月时加巴喷丁类药物处方的减少方面,数字交付方式和邮政交付方式没有差异(数字:-0.058,邮政:-0.058,P= .98)。数字交付在12个月时增加了心理学家的入门(数字:3.8%,邮寄:2.0%,P= .02点)。

结论:我们的数字传递的专业行为改变干预是可行的,在药物使用的变化方面与邮寄干预有相当的效果,并且在转介给心理学家方面有更高的效果。考虑到数字交付在全国项目中的后勤效益,研究结果鼓励在未来的干预中探索这种模式。

中国医学杂志,2018;24(1):e33873

doi: 10.2196/33873

关键字



审计和反馈干预是通过改变职业行为促进证据转化的有效工具[1].审计和反馈干预措施客观地衡量专业表现,并根据专业标准建立基准。审计和反馈干预措施的发展和传播受益于信息技术的进步,这些技术提高了数据的可用性,降低了成本,提高了自动化程度。作为一种具有成本效益和数据驱动的干预措施,审计和反馈似乎非常适合迁移到完全电子化的交付模式[2].

尽管电子递送有潜在的优势,但在改变递送模式对行为改变干预效果的影响方面,仍存在理论和证据差距[3.].以往对行为改变干预的研究表明,施药方式可能会影响行为改变技术的疗效。最有可能的机制是用户体验的根本性改变,这可能会引发不同的反应。3.].使用不同的传递模式改变了用户的体验,通过创建新的上下文(例如,在任何给定时间发送SMS文本消息而不是预定的教育会议),创造更多的个人体验(例如,面对面的小组会议而不是社交媒体),并提供新的交互模式(例如,交互式计算机干预而不是印刷材料)。一项关于使用行为改变技术戒烟的综述发现,当面传授这些技术有积极效果,但以书面形式传授则没有效果[4].另一项关于互联网传递行为改变干预措施的综述发现,当使用其他传递方式时,如短信和电子邮件通信,效果会有所提高[5].然而,对同一数据集的进一步分析没有发现任何交付模式和行为改变技术的组合之间的协同效应。作者认为,拥有额外的传递渠道可能是有益的,但无法为特定的行为改变技术推荐使用哪种模式[6].

数字交付对审计和反馈效果的影响也需要证据。2017年对电子审计和反馈干预措施的回顾发现,由于干预措施实施和基础理论和背景的差异,导致了不同的结果[7].

根据[提出的建议]8],本研究的目的是评估通过安全数字交付到临床桌面以集成到患者护理记录的审计和反馈干预的影响,并将其与通过邮寄交付的相同干预进行比较。行为改变的目标是减少加巴喷丁类药物的用量。加巴喷丁类药物是一组包括加巴喷丁和普瑞巴林的药物。证据表明,这些药物经常被错误地用于非神经性疼痛[9],有严重副作用的风险,并有滥用和误用的可能[10].为了测试数字干预的有效性,我们(作者)进行了一项旨在减少初级保健提供者对加巴喷丁类药物不适当处方的干预的聚类随机试验。


退伍军人药物咨询和治疗教育服务项目

这项研究是退伍军人药物咨询和治疗教育服务(MATES)计划的一部分。11),由澳大利亚政府退伍军人事务部资助,提供药物建议,并促进医生采用最佳做法。自2004年以来,它反复提供多方面的干预措施,包括针对全科医生的审计和反馈以及教育部分,并向退伍军人、药剂师和其他卫生专业人员提供支持性教育材料。干预是由社会认知理论提供的信息[12],即跨理论模型[13],以及健康促进模式ahead - proceed [14].2004年至2021年期间,该项目为澳大利亚各州的全科医生和退伍军人提供了62种不同的干预措施。

干预措施分为三个连续步骤。第一个是对包含澳大利亚政府退伍军人事务部(DVA)收集的行政健康索赔数据的综合数据库进行的流行病学分析。DVA索赔数据库包括DVA资助的所有卫生保健服务和药品,包括门诊和医院服务、老年护理、处方药、联合卫生服务以及其他卫生协调和支持服务。

第二步是教育成分的设计。它涉及临床医生、研究人员和退伍军人,并产生了两套教育材料。第一个是针对全科医生的,描述了最新的科学进展和治疗建议。第二项针对的是退伍军人,并为病人提高普遍意识和实用指南。

第三步是审计和反馈组件的开发。设计过程也是协作的。干预措施采用循证策略,列于[15]以提高有效性,例如权威(由临床DVA委员会认可的内容)、关注有较大改进空间的问题以及重复反馈(几年后重新讨论主题)。它还结合了行为改变技术,如启发式技术、目标设置和提示,这些技术已被证明可以提高感知有用性[16].

数字解决方案设计

数字解决方案采用了一种协作、务实的方法,受到Greenhalgh等人的影响[17创新扩散模式,以开发一种可以在全国范围内实施的解决方案。作为退伍军人MATES计划的一部分,我们安排了一系列利益相关者会议,以规划背景并了解采用者(即全科医生)的实践和偏好。会议涉及资助者(DVA)代表、临床医生、资深代表和信息技术专业人员。

为了制定解决方案,澳大利亚卫生系统和环境的一些特殊性被认为是相关的,特别是:

  • 依赖初级保健提供者:全科医生是澳大利亚医疗保健系统的看门人。大约84%的澳大利亚人每年都去看全科医生,77%的患者有一个首选的全科医生[18].
  • 地理分布:负责澳大利亚退伍军人的全科医生分布在全国各地。只有少数全科医生专门照顾老兵;大多数专业人士照顾的退伍军人都很少。
  • 初级保健中的技术准备:电子健康记录在初级保健中的广泛使用至少已有10年之久[19].此外,安全消息传递基础设施已经很好地用于接收实验室测试结果。

提出的解决方案是对退伍军人MATES干预措施使用的3个步骤的改编,适用于数字媒体。为了识别有药物相关伤害风险的个体,该解决方案使用一组算法从表明表型的索赔数据(服务和药物)中提取信息(根据使用的资源影响患者的条件)。这些算法识别出处于危险中的患者,无论是由于长期疾病、药物使用,还是由于当前事件(如停药)。

为了创建电子消息,将从索赔数据库中提取的患者信息嵌入到一个模板中,以创建旨在促进识别患者风险的审计和反馈文档。该文件使用了行为改变技术,包括提示、目标设置、当前行为与目标之间的差异、关于健康后果的信息以及行为反馈;所有这些技术都已被证明可以提高干预的有效性[16].

使用内部开发的软件将文档创建为PDF文档、加密并嵌入到Health Level 7 (HL7)版本2文件中。审核和反馈文件可能包含复杂的图形元素,并可能根据患者的情况和建议的建议发生重大变化。因此,我们选择最初将文档开发为HTML页面,然后将其转换为PDF格式。

最后,我们的调查表明,使用现有的安全消息基础设施来访问gp是合适的。加密的HL7消息通过第三方提供商发送到全科医生办公室,然后由临床软件解密并合并到全科医生工作流程中。该解决方案遵循了在[]中确定的创新扩散的许多决定因素。17],如图所示表1

表1。创新扩散的决定因素和所提解决方案的预测优势。
创新的决定因素 所提出的解决方案的预测优势
相对优势 电子信息比印刷材料或电话通信等其他通信手段更容易阅读和处理,也不那么麻烦
兼容性 该解决方案使用了已经用于接收实验室检测结果的通信基础设施,对临床医生工作流程的额外影响最小
复杂性 解决方案可以由三个主要过程(患者识别、消息裁剪和安全交付)描述,所有涉众都理解这三个过程
Trialability 在大规模采用之前,该解决方案在3个小型试点和1个随机对照试验中进行了试验
风险 该解决方案成本相对较低,并建立在一个15年的计划之上,降低了风险
任务问题 解决方案嵌入到当前的工作流程中,任务中断最小
增加/支持 每条消息都是数据驱动的,这意味着它提供了与特定患者相关的信息,也提供了清晰而明确的建议

可行性研究

在最初的涉众会议中确定的最重要的实现风险是,干预可能被视为对GP工作流的侵入性和破坏性。为了降低这一风险,该解决方案在2019年4月、7月和9月连续进行了3次小规模试点。试点的主要目标如下:

  1. 评估技术可行性。我们测量了被确认为成功接收的消息的比例。
  2. 减少干扰全科医生工作实践的风险。参与试点的GPs可以通过电子邮件、网站和电话联系。此外,我们还发送了一份在线调查邀请,其中包含16个关于可用性和满意度的问题。

第一个试点计划为选择参与试验,全科医生被邀请通过电子邮件参与(多媒体附件1).第二项试点计划是选择退出试验,全科医生会收到一封电子邮件,解释这项研究,并提供从名单中删除的机会。最后的试车计划照常进行,在试车前会寄上一份资料单张(多媒体附件2).

试验设计

为了测试给药方式对审核和反馈干预有效性的影响,我们进行了一项并行的、聚类随机试验,对计算机提供的干预措施进行了研究,以减少不适当的加巴喷丁类处方。试验的目的是比较交付后干预(通常干预作为并发对照)与计算机交付干预。由于干预的目标是可能有多个老病人的全科医生,因此我们采用了聚类设计,即全科医生在干预中通过相同的模式接收所有病人的信息。

通过邮政方式进行的干预已被证明在不同领域的证据转换方面是有效的[20.]包括推广药物评审[21]、骨质疏松症筛检[22]、接受健康服务[23],减少不适当使用质子泵抑制剂[24],以及催眠治疗失眠[25].

参与者

为了有资格参与,退伍军人和他们的主要全科医生都必须有资格进行数字干预。符合条件的退伍军人包括在4个月期间(2019年10月至2020年1月)拥有2个或2个以上加巴喷丁(普瑞巴林或加巴喷丁)处方的活跃DVA客户。退伍军人还被要求在澳大利亚居住,生活在社区环境中(即,不居住在老年护理或其他长期护理设施中),并且以前没有以任何理由要求被排除在退伍军人配偶干预之外。

如果全科医生被确定为一名或多名澳大利亚退伍军人的主要全科医生,那么他们就有资格参加干预,并且至少有一名退伍军人有资格参加干预。参与的全科医生如果没有安装从我们的合作伙伴消息提供商(HealthLink Group Limited)接收安全电子消息的能力,或者如果他们之前因任何原因要求被排除在退伍军人的MATES干预之外,则被排除在外。

为了确定给定退伍军人的主要全科医生,我们根据处方和提供的门诊服务开发了一种算法。根据处方和提供服务的数量对提供者进行评分,并根据最近的服务进行加权,以考虑退伍军人更换提供者。

设置

该试验在澳大利亚所有州和地区进行。我们通过查询DVA索赔数据库来确定患者的资格。从DVA索赔数据库收集了包括服务提供和药品分配在内的结果数据。

干预

干预组的全科医生只接受数字传输格式的干预。它通过安全消息基础设施直接发送到全科医生的诊所。一旦被诊所接收,它将由全科医生的执业经理进行审查,并分配给适当的患者。一旦指定,就可以在电子健康记录中与病理报告和转诊信一起访问。

普通护理部门的全科医生通过邮政服务接受干预。此交付包含审计和反馈文件(针对所有选定的退伍军人患者)和教育材料(包括针对退伍军人的材料副本)。

两套材料都包含相同的理论内容和个人信息。由于用户的反馈,数字交付的干预措施对用户工作流程进行了轻微修改。由于我们无法将一般教育文档发送到健康记录,因此对审计和反馈文档进行了增强,以包含到在线教育材料的链接(见图1).此外,包含多个患者的单个信件被分割成每个患者的一个电子文档。最后,在电子文档的顶部添加了一个彩色图表,以突出不同的处方模式,并帮助全科医生在收到多个文档时优先考虑患者。

干预组和常规护理组的退伍军人都收到了邮寄的教育材料。有关资料可于退伍军人协会网页[26].

图1。向全科医生提供的干预例子(数字版本)。
查看此图

登记和随机化

根据资格标准,所有作为合格患者(目前使用加巴喷丁类药物)的主要护理提供者的全科医生都被考虑招募。我们排除了在合作伙伴(Healthlink Group Limited)提供者目录中没有找到的所有从业者,因为他们将无法接收安全的电子消息。所有符合条件的全科医生和患者对都包括在研究样本中。

全科医生以1:1的比例随机接受干预或常规治疗。随机分组按接受治疗的退伍军人人数分层。每位全科医生的随机化数字是由一名没有参与注册的统计学家用计算机生成的。由于干预和数据收集(索赔数据)的高度自动化性质,没有执行进一步的掩蔽程序。

该研究的伦理协议由南澳大利亚大学人类研究伦理委员会(伦理协议P203/04)和澳大利亚政府国防部和退伍军人事务部人类研究伦理委员会(E016/007)批准。

结果

主要结果是在研究期间加巴喷丁类药物平均处方的变化,标准化为每天定义的每日剂量(DDD)的倍数,以及首次访问心理学家的退伍军人的比例。在6个月和12个月时评估主要结果。

由于普瑞巴林和加巴喷丁给药剂量不同,我们计算了每种药物的DDD,并对结果进行了汇总。为了消除极端储存和分配数据错误的影响,将DDD超过10(定义日剂量的10倍)的患者从分析中移除。DDD由世界卫生组织(世卫组织)设立,作为药物使用的比较单位[27].在这项研究中,它允许比较不同的加巴喷丁类药物,如加巴喷丁和普瑞巴林。日均DDD按下式计算:

根据干预前3个月(2020年1月3日至2020年4月2日)和干预后6个月(2020年7月3日至2020年10月2日)和12个月(2021年1月3日至2021年4月2日)所有声称的加巴喷丁和普瑞巴林处方确定总质量量。

次要结果是与主要提供者第一次访问(面对面、电话或视频)的时间。所有的结果测量都是针对个体(病人)的。

我们进行了二次分析,可以分为两部分。首先,我们通过测量加巴喷丁苷平均DDD在干预前后的变化来评估整体干预效果。此外,我们评估了加巴喷丁类药物的剂量(高、中、低)或同时使用阿片类药物是否会影响不同给药模式的疗效。如果选择期至少一个月的平均DDD为>2,则退伍军人被认为是高剂量。如果选择期每个月的平均DDD <0.25,则认为退伍军人剂量低。介于这两个值之间的值被认为是中等剂量。

统计方法

我们分析了干预后12个月存活的所有登记患者的服务和药品索赔数据。为了解释聚类设计,我们使用线性混合效应模型分析了主要结果[28], GP作为分组变量。分娩方式对患者看心理医生的可能性的影响也以GP作为分组变量进行了logistic回归检验。通过生存分析分析首次全科医生就诊的时间。如果患者与目标全科医生有预约,则被认为有“事件”。在3个月(92天)时对事件进行正确审查。以GP为聚类变量,采用Cox比例风险模型评估数字模式与邮政模式的相对影响。以GP为分组变量,采用单变量线性混合效应模型进行二次分析。对于所有假设检验,我们考虑95% CI (P≤. 05)。所有的分析都是在Python 3.7 (Python软件基金会)中进行的。主要使用的统计库是Statsmodels(版本0.12)[29]和生命线(0.25.11版本)[30.].

数据和材料的可用性

支持本研究结果的数据可从澳大利亚政府DVA获得,但这些数据的可用性受到限制,这些数据是在本研究的许可下使用的,因此不能公开。


可行性研究

在第一个试点中,75名全科医生样本被发送了一封电子邮件邀请参与(自愿加入),其中5名全科医生同意参与。对于第二个试点,我们选择了20名全科医生作为方便样本,他们可以选择退出试点。在第三个试点中,189条信息被发送给以前没有参与的全科医生。我们收到了6份调查回复,所有回复者都认为可用性很好(易于阅读,信息正确),并且很可能或很可能继续订阅未来的干预措施。我们收到了一封信,通知一位病人最近换了医疗机构。由于缺乏负面反馈和积极的调查反馈,项目领导认为试点是成功的,干预是可行的,并批准了随机对照试验。

整群随机对照试验

共有3271名退伍军人被认为有资格进行干预,2552名全科医生被确定为他们的主要护理提供者(图2).经随机分组后,于2020年3月/ 4月成功交付干预。邮政干预于2020年3月19日发送给全科医生。计算机干预分为三波(2020年3月23日、3月25日和4月2日)进行。

随机分配到干预组的退伍军人有相似的人口统计资料(表2).加巴喷丁类药物和阿片类药物的使用模式也相似。

到研究结束时,两组干预组加巴喷丁类药物的配药量均显著减少,通过从基线到12个月的平均每日DDD变化来衡量(数字:平均减少0.058,SD 0.38,或11.2%,P= 04;邮政:平均减少0.058,标准差0.37,或11.2%,P=措施)。图3为干预前后DDD的变化趋势。

图2。CONSORT(试验报告综合标准)流程图。全科医生。
查看此图
表2。基线的临床和人口统计数据。
基线数据 邮政的干预 数字的干预
参加人数 1466 1519
年龄(年),平均值(SD) 76.1 (14.6) 76.1 (14.5)
男性,n (%) 853 (58) 883 (58)
加巴喷丁碱基线剂量n (%)

41 (3) 34 (2)

媒介 1188 (81) 1213 (80)

237 (16) 272 (18)
同时使用阿片类药物,n (%) 590 (40) 636 (42)
图3。干预组平均每日DDD。DDD:限定日剂量。
查看此图

我们发现,在6个月或12个月的加巴喷丁胺体积减少方面,数字和邮政递送方式没有差异(表3).数字干预组的退伍军人在接下来的12个月里看了心理医生(P= .02点)。数字干预促进了较小但具有统计学意义的(P=.04)干预后早期全科医生就诊的影响。

退伍军人根据剂量和同时使用阿片类药物进行分类。与初步分析的结果一致,在任何亚组分析中都没有发现数字干预和邮政干预之间的差异。高剂量加巴喷丁使用者的剂量减少更为明显,而低剂量使用者的平均剂量在两组中均未观察到减少。

表3。主要和次要结果,由干预组。
结果 邮政 数字 P价值
平均限定日剂量变化(基线至6个月) -0.030 -0.023
平均限定日剂量变化(基线至12个月) -0.058 -0.058 .98点
新心理医生就诊的百分比(基线至6个月) 1.0 1.3 综合成绩
新心理医生就诊的百分比(基线至12个月) 2.0 3.8 02一个
全科医生90天内就诊的风险比(95% CI) 0.92 (0.85 - -0.99) 1(参考) .04点一个

一个P< . 05。


主要研究结果

在这项研究中,我们提出了一个基于纸质的国家行为改变干预到数字干预的成功迁移。经过仔细的干预、充分的沟通和利益相关者的支持,我们能够进行覆盖澳大利亚所有州的大规模随机对照试验。试验表明,由教育、审计和反馈组成的干预措施的纸质和数字版本在减少澳大利亚人口的加巴喷丁类处方方面都是有效的。此外,它还表明,在改变处方模式方面,数字干预等同于纸质干预。

这项研究是首次在大规模、精确的公共卫生干预中测试交付模式的效果。与传统干预措施相比,使用数字传播媒介具有若干优势,包括提高个性化和准确性的能力;改进的自动化;使用预测分析进行目标定位;数据分析;改善互动[31].然而,任何新的干预措施都可能产生不可预见的后果,并需要像任何其他新技术一样进行测试[32].数字媒体和纸质版本在影响药物使用方面具有相似的效果,但这项研究提供了新的证据,表明数字干预可能更适合需要转诊的服务。

数字化交付改变了参与者与干预的互动和体验。与患者电子健康记录的集成减少了创建新患者请求所需的工作,例如主动邀请患者进行随访预约。因此,与常规干预相比,将干预纳入临床医生的工作流程可能解释了数字干预后全科医生访问和心理学家转诊数量的增加。创建跟踪病人的请求很容易实现,不太可能造成重大干扰。相比之下,减少加巴喷丁类药物的剂量,通常用于疼痛,需要仔细考虑和密切的患者接触和参与。我们的研究结果表明,邮政和数字干预在促进剂量变化方面都是有效的,但数字媒介的优势可能在于创造了容易遵循的触发器。

本研究的时间安排是本研究的一个重要限制,因为干预措施的交付时间与澳大利亚为应对2020年3月COVID-19大流行而实施的初步限制相吻合。在干预的那一周,政府颁布了几项限制集会和降低传染风险的政策。33],这影响了本研究中使用的一些指标。药品发放可能会受到影响,因为会出现库存,而且暂时无法获得药品。此外,许多诊所关闭,以避免候诊室的风险,通过远程保健的预约由卫生部资助。这可能影响了干预效果,因为调整治疗的机会减少了;然而,它不太可能影响到对交付方式的评估,因为试验的两个部分都将受到COVID-19限制的同等影响。邮政邮件服务在限制期间完全维持。

这项研究还为进一步研究提供了基础,旨在提高公共卫生数字干预的审计和反馈的有效性。传统和数字审计和反馈干预措施的影响量通常很小[17,而一个明确的方法来提高效果仍然是一个悬而未决的问题。效果可能受到与接受者(如GP)、行为或干预内容和实施相关因素的影响[34].利用数字媒体,退伍军人伙伴计划(Veterans ' MATES)等全国性项目能够以更低的成本、更快的速度和更高的精度创造重复的干预措施,从而为此类研究做出贡献。

结论

这项研究表明,数字交付的专业行为改变干预与邮政干预具有相当的效果,并且对转诊服务具有更高的效果。考虑到数字交付在全国项目中的后勤优势(成本、速度和精度),研究结果鼓励在未来的干预中探索这种模式。

致谢

这项工作由澳大利亚政府退伍军人事务部(DVA)资助,作为退伍军人药物咨询和治疗教育服务(Veterans ' MATES)计划的一部分。DVA在提交前审查了该稿件,但在研究设计、研究执行、数据分析或解释、稿件撰写或论文发表决定中不发挥任何作用。

退伍军人MATES由南澳大利亚大学、药物质量使用和药学研究中心与阿德莱德大学全科学科联合提供;阿德莱德大学公共卫生学科;遣返总医院,道帕克;国家处方服务————更好的选择,更好的健康;澳大利亚药品手册;以及药物和治疗信息服务。

EER由国家卫生和医学研究委员会(GNT 1110139)支持。

编辑注意到

这项随机研究没有进行前瞻性注册。作者解释说,该试验只关注其对提供者的影响,而不是患者。该试验是对自2004年以来持续运行的现有干预措施(每年4个模块)的修改,因此该特定试验没有额外的入组。为了减少分析中的偏差,所有的分析程序(包括该干预和其他干预)都是前瞻性定义的,并提交给澳大利亚政府退伍军人事务部进行评估和批准。然而,由于保密原因,该计划没有正式的注册编号,也没有公开。编辑从ICMJE规则中批准了一个例外,要求随机试验的前瞻性注册,因为偏倚的风险似乎很低,而且试验的目标是提供者。然而,建议读者仔细评估与主要结果或有效性相关的任何潜在的显性或隐性声明的有效性,因为缺乏注册意味着作者可以回顾性地改变他们的结果测量。

作者的贡献

AQA对本次研究进行了构思、设计、最终分析并起草了手稿。AQA、JPC、VTL和EER开发了协议和研究方法。数据分析涉及GMK、ER、LMKE和NLP。EER构思并设计了这项研究,并对重要的知识内容进行了批判性的修改。所有作者都对见解的理论方法和解释做出了重要贡献。所有作者都阅读并批准了最终的手稿。

利益冲突

没有宣布。

多媒体附件1

选择退出的信。

DOCX文件,14kb

多媒体附件2

全科医生沟通运动,告知数字干预。

DOCX文件,248 KB

多媒体

电子健康检查表(V 1.6.1)。

PDF档案(adobepdf档案),1291 KB

  1. 艾佛斯N, Jamtvedt G, Flottorp S, Young JM, Odgaard-Jensen J, French SD,等。审计和反馈:对专业实践和医疗保健结果的影响。Cochrane数据库系统版本2012年1月;6:CD000259。[CrossRef] [Medline
  2. Landis-Lewis Z, Brehaut JC, Hochheiser H, Douglas GP, Jacobson RS.计算机支持的反馈信息裁剪:临床审计的理论依据适应和学习和行为改变的反馈。科学通报2015年1月21日;10(1):12-12 [免费全文] [CrossRef] [Medline
  3. Dombrowski SU, O' carroll RE, Williams B.交付形式是行为改变干预的关键“积极成分”。《健康心理杂志》2016年11月21日(4):733-740。[CrossRef] [Medline
  4. Black N, Eisma MC, Viechtbauer W, Johnston M, West R, Hartmann-Boyce J,等。戒烟试验中比较组干预的可变性和有效性:系统回顾和荟萃分析。瘾2020年9月11日;115(9):1607-1617 [免费全文] [CrossRef] [Medline
  5. Webb TL, Joseph J, Yardley L, Michie S.使用互联网促进健康行为改变:理论基础、行为改变技术的使用和有效性交付模式的影响的系统回顾和元分析。中国医学杂志,2010;12(1):e4 [免费全文] [CrossRef] [Medline
  6. 范·格努腾L,杜塞尔多普E,韦伯TL,范·EP。基于互联网的干预措施中哪些技术和交付模式的组合能有效改变健康行为?一个荟萃分析。中国医学杂志,2016;18(6):e155 [免费全文] [CrossRef] [Medline
  7. Tuti T, Nzinga J, Njoroge M, Brown B, Peek N, English M,等。电子审计和反馈的系统回顾:干预效果和行为改变理论的使用。应用科学2017年5月12日;12(1):1-20 [免费全文] [CrossRef] [Medline
  8. Grimshaw J, Ivers N, Linklater S, Foy R, Francis JJ, Gude WT,审计和反馈MetaLab。振兴停滞不前的科学:实施实验室和元实验室,以有效推进审计和反馈科学。BMJ Qual Saf 2019年5月09日;28(5):416-423 [免费全文] [CrossRef] [Medline
  9. Morrison EE, Sandilands EA, Webb DJ。加巴喷丁和普瑞巴林:利大于弊吗?中华儿科杂志,2017,12,47(4):310-313。[CrossRef] [Medline
  10. 古德曼CW,布雷特AS。加巴喷丁和普瑞巴林治疗疼痛——增加处方会引起关注吗?中华外科杂志2017年8月3日;377(5):411-414。[CrossRef] [Medline
  11. 优质药物使用及药学研究中心“,”退伍军人的配偶。2021.URL:https://www.veteransmates.net.au/[2021-12-29]访问
  12. 社会认知理论中的人的能动性。精神杂志1989年9月44(9):1175-1184。[CrossRef] [Medline
  13. 赵晓明,刘志强,刘志强,等。12种问题行为的改变阶段和决策平衡。健康心理杂志1994年1月;13(1):39-46。[CrossRef] [Medline
  14. 格林·L,克罗伊特·M,格林·L.健康方案规划:教育和生态方法。纽约:McGraw-Hill;2005.
  15. Ivers NM, Grimshaw JM, Jamtvedt G, Flottorp S, O'Brien MA, French SD,等。发展的文学,停滞的科学?卫生保健审计和反馈干预的系统回顾、元回归和累积分析。J Gen实习医学2014年11月26日;29(11):1534-1541 [免费全文] [CrossRef] [Medline
  16. Andrade AQ, LeBlanc VT, Kalisch-Ellett LM, Pratt NL, Moffat A, Blacker N,等。职业行为改变干预有用性的决定因素:一项15年国家计划的观察性研究。英国医学杂志公开赛2020年10月14日;10(10):e038016 [免费全文] [CrossRef] [Medline
  17. Robert G, Macfarlane F, Bate P, Kyriakidou O.服务组织创新扩散:系统评价和建议。杨晓明,2004;21 (4):581-629 [免费全文] [CrossRef] [Medline
  18. 澳大利亚皇家全科医师学院。全科医学:国民健康。维多利亚州墨尔本:RACGP;2019.
  19. Jha AK, Doolan D, Grandt D, Scott T, Bates DW。7个国家使用卫生信息技术。国际医学杂志2008年12月;77(12):848-854。[CrossRef] [Medline
  20. Roughead EE, Kalisch Ellett LM, Ramsay EN, Pratt NL, Barratt JD, LeBlanc VT,等。弥合证据-实践差距:改善老年澳大利亚退伍军人的药物使用。BMC Health Serv Res 2013 12月12日;13:514 [免费全文] [CrossRef] [Medline
  21. Kalisch Ellett LM, Pratt NL, Sluggett JK, Ramsay EN, Kerr M, LeBlanc VT,等。持续的医疗保健实践变化:国家质量改进计划对采用合作药物审查的影响。J Pharm Pract Res 2018 Jun 15;48(3):222-230。[CrossRef
  22. Kalisch Ellett LM, Pratt NL, Sluggett JK, Ramsay EN, Kerr M, LeBlanc VT,等。患者特定的处方反馈可以增加骨质疏松症筛查和治疗的比率:两项国家干预措施的结果。骨质疏松症2017年12月12日(1):17。[CrossRef] [Medline
  23. Pratt NL, Kalisch Ellett LM, Sluggett JK, Ramsay EN, Kerr M, LeBlanc VT,等。针对患者的承诺问题促进接受未充分利用的卫生服务:澳大利亚国家质量改进计划的发现。2015年11月;145:1-6。[CrossRef] [Medline
  24. Pratt NL, Kalisch Ellett LM, Sluggett JK, Gadzhanova SV, Ramsay EN, Kerr M,等。澳大利亚老年人中质子泵抑制剂的使用:国家质量改进计划导致了持续的实践变化。国际质量卫生保健杂志2017年2月1日;29(1):75-82。[CrossRef] [Medline
  25. Kalisch Ellett LM, Lim R, Pratt NL, Kerr M, Ramsay EN, LeBlanc TV,等。澳大利亚退伍军人在失眠管理中减少催眠的使用:来自国家反复干预的结果。BMC Health services Res 2018 Aug 09;18(1):626-636 [免费全文] [CrossRef] [Medline
  26. 优质药物使用及药学研究中心“,”从痛苦中恢复:有帮助的策略。退伍军人的配偶。URL:https://www.veteransmates.net.au/topic-58-veterans-advice[2021-12-29]访问
  27. 欧洲药物利用研究小组的历史。药物流行病学杂志2006 Feb;15(2):95-98。[CrossRef] [Medline
  28. Candlish J, Teare MD, Dimairo M, Flight L, Mandefield L, Walters SJ。分析部分嵌套且结果连续的随机对照试验的适当统计方法:模拟研究。BMC medical Res methodo2018 Oct 11;18(1):105-122 [免费全文] [CrossRef] [Medline
  29. 统计模型:用Python建立计量经济学和统计模型。In: Proceedings of the 9th Python In Science Conference. 2010发表于:9th Python In Science Conference;2010年6月28日至7月3日;得克萨斯州奥斯汀p. 92-96网址:http://conference.scipy.org/proceedings/scipy2010/pdfs/seabold.pdf
  30. Davidson-Pilon C. lifeline: Python中的生存分析。JOSS 2019 8月4日(40):1317-1311。[CrossRef
  31. Odone A, Buttigieg S, Ricciardi W, azzopardii - muscat N, Staines A.欧洲公共卫生数字化。欧洲公共卫生2019 10月01日;29(补充3):28-35 [免费全文] [CrossRef] [Medline
  32. McKee M, van Schalkwyk MCI, Stuckler D.第二次信息革命:数字化为公共卫生带来机遇和担忧。欧洲公共卫生2019年10月01日;29(补充3):3-6 [免费全文] [CrossRef] [Medline
  33. Desborough J, Hall Dykgraaf S, de Toca L, Davis S, Roberts L, Kelaher C,等。澳大利亚国家COVID-19初级保健应对措施。医学杂志2020年8月04日;213(3):104-106。e1 (免费全文] [CrossRef] [Medline
  34. 柯尔奎,柯尔奎,李志强,等。推进关于设计审计和反馈干预的文献:确定理论依据的假设。应用科学2017年9月29日;12(1):117-110 [免费全文] [CrossRef] [Medline


DDD:限定日剂量
DVA:退伍军人事务部
医生:全科医生
HL7:健康等级7
配偶:药物咨询和治疗教育服务
个随机对照试验:随机对照试验
人:世界卫生组织


R·库卡夫卡编辑;提交27.09.21;MS Shafi同行评审,S Pesälä;对作者13.11.21的评论;订正版本收到15.11.21;接受21.11.21;发表10.01.22

版权

©Andre Q Andrade, Jean-Pierre Calabretto, Nicole L Pratt, Lisa M Kalisch-Ellett, Gizat M Kassie, Vanessa T LeBlanc, Emmae Ramsay, Elizabeth E Roughead。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 10.01.2022。

这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。


Baidu
map