研究设计与随机分组
建立配对整群随机对照试验框架,比较eSTEPS干预与常规护理。
将Mass General Brigham基层医疗诊所按实践类型分层、按规模排序后配对,每对中随机分配1家至干预组、另1家至对照组;最终22家诊所纳入分析。
Clinical Decision Support for Fall Prevention in Primary Care: The eSTEPS Cluster Randomized Clinical Trial
整群随机对照试验,含干预对照比较和预设结局分析,但机制验证和依从性数据有限。
基层医疗诊所整群随机分组 65岁及以上跌倒风险筛查阳性老年人
配对整群随机分组:22家基层医疗诊所按实践类型和规模配对后随机分入干预组或对照组 主要结局:基于EHR-derived ICD-10诊断代码识别的1次或以上跌倒的患者率 次要结局:基于验证ICD-10算法的跌倒相关损伤率和死亡率 干预实施:eSTEPS嵌入Epic EHR,提供定制运动建议、可选物理治疗转诊和患者材料 随访与分析:随访12至23个月,采用Poisson回归和广义估计方程,调整预设协变量
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
建立配对整群随机对照试验框架,比较eSTEPS干预与常规护理。
将Mass General Brigham基层医疗诊所按实践类型分层、按规模排序后配对,每对中随机分配1家至干预组、另1家至对照组;最终22家诊所纳入分析。
识别基层医疗中跌倒风险增加的老年患者。
在常规基层医疗就诊时使用3项跌倒风险筛查问题,回答“是”≥1项的患者纳入。
评估EHR整合的决策支持工具在基层医疗中的实施可行性。
eSTEPS作为Epic EHR中的非中断性照护缺口提醒嵌入;临床医生可访问订单集,提供基于患者特征的定制力量和平衡运动建议,可选转诊物理治疗,并通过手册、网站和应用程序提供患者材料。
比较干预组与对照组的跌倒、跌倒相关损伤和死亡率。
从EHR中提取ICD-10诊断代码,使用验证算法识别跌倒和跌倒相关损伤;采用Poisson回归和广义估计方程估计率比,调整预设患者和诊所水平协变量。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 电子健康记录与临床决策支持 | Epic电子健康记录 | Epic | -- |
| 干预实施 | Epic SmartSet订单集 | Epic | -- |
| 数据分析 | SAS软件9.4版 | SAS Institute Inc | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 研究设计与随机分组 | 配对因素(实践类型、规模)、随机化方法、最终纳入分析的诊所数量 阅读提示:Methods中Study Design and Setting小节及Figure(CONSORT图) |
| 参与者纳入 | 年龄≥65岁、社区居住、3项跌倒筛查问题中至少1项阳性、纳入时间窗 阅读提示:Methods中Participants小节 |
| eSTEPS干预实施 | EHR平台(Epic)、运动方案来源(Otago简化版)、运动难度分级、默认推荐、患者材料内容 阅读提示:Methods中Intervention小节及Supplement 2 eFigure |
| 结局定义与 ascertainment | 主要结局和次要结局的ICD-10代码定义、验证算法、自我报告跌倒的筛查时间窗 阅读提示:Methods中Outcomes小节 |
| 统计分析 | Poisson回归模型、广义估计方程的相关结构、预设协变量、小样本自由度调整 阅读提示:Methods中Statistical Analysis小节 |