Próby polityki zdrowotnej ad 5

Cytując CMMI, modele używane przez Centers for Medicare i Medicaid Services (CMS) nie są statyczne. Każdy model jest zaprojektowany z myślą, że CMS będzie stopniowo wprowadzał zmiany i udoskonala interwencje i struktury motywacyjne, gdy więcej się nauczy. . . . Oznacza to, że modele te posiadają sprzężenia zwrotne i systemy uczenia się wbudowane w ich projekt. 33 Taka niestabilność zmiennej eksperymentalnej utrudnia jednak wnioskowanie przyczynowe. CMMI ma zastrzeżenia do randomizacji poza chęcią umożliwienia manipulowania zmienną eksperymentalną: [R] andomizacja może zniechęcić potencjalnych kandydatów. . . z powodu obaw związanych z przypisaniem do grupy porównawczej; uczestnicy przypisani do grup kontrolnych mogą być mniej skłonni do zgłaszania kluczowych danych. . . gdy model się uruchomi; i losowe dobieranie beneficjentów do różnych poziomów opieki lub świadczeń w ramach modelu budzi zarówno obawy natury prawnej, jak i etycznej, szczególnie w przypadku pracy z narażonymi i zagrożonymi populacjami. 33
Wiele z tych zastrzeżeń (np. Niechęć do udziału w badaniu z powodu obaw związanych z przypadkowym przypisaniem do grupy kontrolnej) pojawia się również w badaniach klinicznych, ale okazało się, że można je opanować. Projekty crossover mogą być przydatne w nakłanianiu ludzi do udziału w badaniu, ale ich zastosowanie w badaniach klinicznych z randomizacją może wprowadzić praktyczne komplikacje, na przykład gdy badacze muszą zapewnić wspólny czas interwencji wśród wszystkich uczestników klastra. Wzory z klinami schodkowymi, w których interwencja jest wprowadzana w czasie i które ostatecznie umożliwiają przejście wszystkich klastrów do grupy eksperymentalnej, są obiecujące34. Oferowanie płatności tym, którzy dołączają do grupy kontrolnej, może zwiększyć uczestnictwo, a czasem może być osiągnięte przy niewielkim nakładzie. kompromis pod względem ważności. Kwestie prawne i etyczne wydają się nie większe, aw wielu przypadkach są niższe niż w badaniach klinicznych z zakresu terapii lub diagnostyki. Finkelstein i Taubman omawiają te kwestie dłużej.35,36
Rozważania statystyczne w próbach klastra
W wielu badaniach polityki zdrowotnej randomizacja odbywa się nie na poziomie indywidualnego pacjenta lub beneficjenta, lecz na nienaruszonym poziomie klastrów. Na przykład eksperymenty RAND i Oregon Health Insurance Experiments wykorzystały randomizację, aby przypisać rodziny do grup, ale przeanalizowały wyniki na poziomie indywidualnym.
Istnieje wiele powodów, dla których należy zastosować randomizację klastra. Poszczególni lekarze lub organizacje lekarzy mogą nie chcieć, aby niektórzy pacjenci otrzymywali wzmocnioną opiekę zdrowotną, podczas gdy inni w swojej praktyce nie. Randomizacja klastra zmniejszy wszelkie przypadki kontaminacji, które mogą powstać w wyniku interakcji między osobami w tym samym klastrze. Na przykład terapie stosowane w grupach mogą prowadzić do dzielenia się postawami u pacjentów, którzy mają tego samego terapeutę; strategie zapobiegania mają takie samo ryzyko, jeśli pacjenci dzielą się poradami dotyczącymi profilaktyki. Zanieczyszczenie może również powstać, gdy wiedza lekarza lub pracownika o nowej interwencji zdrowotnej wpływa na sposób, w jaki pacjenci są leczeni lub w których sami pacjenci zachowują się w swojej zwykłej grupie opiekuńczej lub kontrolnej.
Obecność klastrów w badaniu ma wpływ zarówno na obliczenia mocy, jak i na analizę, przy czym kluczową cechą jest stopień podobieństwa odpowiedzi w klastrze.
[hasła pokrewne: złamanie kości podudzia, pediatra grójec, mri głowy cena ]

Powiązane tematy z artykułem: mri głowy cena pediatra grójec złamanie kości podudzia