实施轻推以促进低潮气量通气(INPUT)的利用:一项改善循证机械通气管理策略的阶梯楔形混合III型试验

背景

行为经济学的见解已经产生了克服实施障碍的策略。例如，默认策略和问责辩护策略改善了临床环境中对最佳实践的遵守。在电子健康记录(EHR)中嵌入此类策略有望提供简单且可扩展的方法来促进实施。对于接受机械通气的患者，一种被证明有效但未被充分利用的治疗方法是开低潮气量的处方，这可以保护肺部免受伤害。我们将评估基于行为经济学理论的ehr实施策略，以改善机械通气的循证管理。

方法

实施推动低潮气量通气(INPUT)研究是一项实用的、阶梯式的混合III型有效性实施试验，旨在提高低潮气量通气的依从性。这些策略的目标是输入电子订单的临床医生和管理机械呼吸机的呼吸治疗师，这两个关键的利益相关者群体。INPUT有五个研究领域:常规护理、机械通风订单中的默认策略、机械通风订单中的责任证明策略，以及每个订单策略与流程文件中的责任证明策略相结合。我们将在一个大型卫生系统的五家医院中创建六对12个重症监护病房(icu)，以平衡患者数量和低潮气量通气的基线依从性。我们将随机将每对匹配的ICUs分配给其中一个订单面板，并将每对分配给六个楔子中的一个，这将确定采用订单面板策略的日期。所有icu将在6个月后采用流程文件策略。主要结果将是忠于低潮气量通风。次要有效性结局包括住院死亡率、机械通气时间、ICU和住院时间以及潜在不良事件的发生。

讨论

这项楔形踏步式混合III型试验将提供证据，证明基于ehr的行为经济策略在提高重症监护室机械通气患者对循证实践的依从性方面的作用，从而推进实施科学领域，并在广泛的患者群体中测试低潮气量通气的有效性。

试验注册

ClinicalTrials.gov，NCT04663802。注册2020年12月11日

行为经济学研究是一种理解决策和行为的方法，它将行为科学与经济原则相结合，已经产生了一些有希望的策略来克服实施循证实践的常见障碍。因此，行为经济学和实施研究之间的交叉有着巨大的希望，作为一个丰富的新研究领域，有可能推动实施科学的发展。1]。“轻推”是一种行为经济策略，它改变决策环境，以可预测地影响选择，但不限制选择。“轻推”在有效性和自主性之间进行权衡，例如，最不具侵入性的策略(例如，提供指导选择的信息)最不可能促进特定的决策或行为。2]。两个接近干预阶梯顶端的助推——即最有效但也最具侵入性的——包括“默认”和“负责任的辩护”策略。第一种策略是将理想的实践设置为默认值，除非选择者主动选择退出。因此，默认策略利用了人类维持“现状”的倾向，减少了摩擦和认知负荷，从而做出了最简单的决定。它还可以通过提供一个简单的途径来准确地采用这些实践，从而间接地克服缺乏知识(这是一个普遍认定的障碍)。3.，4]。在第二种策略中，如果选择者偏离了理想的实践，则必须提供明确的理由(即，提供负责任的理由)。这标志着一种强制规范——“应该”做——从而施加社会压力，造成了一种隐性的违约。尽管要求对不良行为进行辩护的禁令规范功能通常比真正的违约更弱，但通过将辩护作为记录的一部分，可用于同行的审计、反馈和判断，从而将社会责任纳入其中，该方法可以大大加强[5，6，7，8]。可问责的正当理由还保留了更大程度的自由裁量权，因此比违约更具侵入性，当一种治疗并非普遍适用于异质人群时，可能会增加可接受性，并更好地使临床判断影响结果。

在电子健康记录(EHR)中嵌入默认的和负责任的辩护策略可以是创建实施策略的一种简单和可扩展的方法，可以扩大传播范围。此外，它们被认为是可行和可接受的[9]。成功的例子包括增加非专利药而非品牌药订购的策略[10并减少不必要的计算机断层扫描(CT)的排序[11]及不当的抗生素处方[12]。因此，在电子病历中纳入行为经济策略对于推进实施科学具有很大的希望。

我们试图将这些原则应用于接受有创机械通气(MV)的患者的护理，这是一种挽救生命但也有潜在伤害的干预措施，每年在重症监护病房(icu)内对多达100万美国人进行干预[13，14，15，16]。肺保护性通气(LPV)旨在通过提供低潮气量(呼吸机每次呼吸的空气量)和限制肺部的人工压力来最大限度地减少危害。LPV首先被证明对急性呼吸窘迫综合征(ARDS)患者有效，ARDS是一种与肺炎、败血症和其他常见疾病相关的严重呼吸衰竭[17]。2001年，一项多中心随机试验表明，绝对死亡率降低10%，MV持续时间缩短，器官衰竭发生率降低[18]。这些发现已被复制并纳入国际准则[19];然而，15年后，超过三分之一的ARDS患者没有接受LPV，在一些icu中高达81%的患者没有接受LPV [20.，21]

针对不同ICU的多项研究一致确定了LPV使用的两个关键障碍:ICU临床医生对LPV管理的知识差距[22，23，24，25，26]以及倾向于仅在ARDS确诊时才开LPV，因为担心LPV需要更高剂量和更长时间的镇静药物来抵消非生理性通气带来的不适[23，24]。然而，ARDS的明确诊断具有挑战性[27，28]，事实上，越来越多的证据表明，LPV甚至可以减少一些没有ARDS的患者的肺损伤和死亡率[29，30.]。在最近的一项随机试验中，一组非ARDS患者的死亡率和MV持续时间没有差异;然而，在LPV的不良反应方面也没有差异，包括镇静或谵妄的天数[31]。总之，高质量的证据表明，LPV在许多难以识别的患者中具有潜在的益处，在广泛的患者群体中缺乏危害，以及在建立初始设置后改变潮汐量可能存在惯性[32]，在大多数或所有接受MV的患者中，首选的实施方法可能是在开始时支持LPV。将行为经济策略应用于电子健康记录中订购和记录MV的过程可能支持这种方法。

本研究的总体目标是评估基于行为经济学理论的三种基于电子健康记录(EHR)的实施策略，以提高机械通气患者LPV的利用率。本研究将采用混合III型有效性实施试验设计来评估实施(主要)和有效性(次要)结果[33]。因此，它将推进在重症监护中的实施科学和行为经济学在临床医生决策中的应用，它也将扩大LPV在不同患者群体中的有效性的证据。

研究目标和实施框架

数字1基于实施研究的Proctor模型和实施研究的综合框架(CFIR)，说明了本试验中研究的实施策略与实施和有效性结果之间关系的概念模型，两者都指导了我们的研究设计[34，35]。试验的第一个目的是比较实施策略对保真度实施结果的有效性与LPV的循证干预。LPV的保真度将定义为在MV的前72小时内，患者潮气量记录为其预测体重(ml/kg PBW)的6.5 ml/kg的时间百分比，基于证明LPV有效性的主要随机试验[18]和随后的证据表明，早期使用低潮量与患者预后较好有关[32]。第二个目的是比较实施策略在临床结果方面的有效性，包括院内死亡率、出院处置、MV持续时间、ICU和住院时间，以及与LPV相关的潜在不良后果。该研究的第三个目的是评估这些策略如何与临床医生和环境背景因素相互作用，在CFIR的指导下，例如个人的LPV知识和护理MV患者的经验，以及订购临床医生和呼吸治疗师(RTs)之间的合作文化[35]。

研究设计概述

我们将在12个学术和社区icu中进行一项五臂、实用、楔形、集群随机试验。目前和在试验之前，研究icu使用基于ehr的算法来识别ARDS患者，并通过日常数据仪表板提示医生使用LPV，该仪表板将作为对照组。在研究期间，每个icu将添加一个默认订单面板(策略a)或一个可问责的理由订单面板(策略B)，两者都针对输入MV订单的临床医生。在指定顺序策略实施6个月后，将在流程文件中添加一个负责任的证明策略，该策略针对RTs(策略C)。因此，五个研究组将是常规护理、单独策略A、单独策略B、策略A + C和策略B + C。由于研究icu的可变性，我们创建了匹配患者数量和LPV基线依从率的配对，以改善研究组之间的平衡。在匹配的组中，每个ICU将被分配到策略A或B，匹配的组将被分配到六个楔形中的一个，这将决定他们启动订单策略的日期。两个随机分配步骤都将使用计算机生成随机数。第一个楔子将在试验阶段的第四个月开始时开始，以便所有医院在通过实施战略之前提供至少3个月的数据。在27个月的试验结束时，所有icu都提供了至少3个月的数据，并采用了两种指定的策略。数字2提供试验设计的示意图概述。

研究环境和人群

该研究将在宾夕法尼亚大学卫生系统的5家医院的12个icu中进行。医院在地理上和组织上是分开的，研究icu有独立的医疗主任、不同的研究人群和不同的床边人员配置模式。(表1）.所有年龄在18岁及以上的患者在研究期间入住参与ICU，并在任何一段时间内通过强制模式接受MV，将有资格纳入研究。我们将排除符合表中所列任何标准的患者2。所有与研究ICU实施策略互动的临床医生和ICU主任都有资格参加半结构化访谈和电子调查，详见下文。

实现策略

该试验将测试三种实施策略，以促进基于行为经济学的低潮气量通风的使用，并将其纳入电子病历。策略A(图1)3.)，默认订单面板，目标订购临床医生(医生，医师助理和执业护士)通过预先选择通气模式作为辅助控制，容量循环，并通过自动计算6ml /kg PBW预填充潮汐容量，由每个患者的身高和性别决定。订购的临床医生可以选择退出任何预先指定的设置，只需点击一下。

策略B，可问责的辩护命令小组，也针对订购临床医生。它没有预先指定的设置;但是，如果订购临床医生输入的设定潮汐量大于6.5 ml/kg PBW，他们将被要求在免费文本框中输入原因。临床医生将无法继续输入MV订单，直到输入应答后，订单面板内的消息将提醒他们的应答将被保存。

策略C在MV的流程图文档中使用可靠的理由，从而针对RTs。如果RT在流程中输入大于6.5 ml/kg的设定潮气量值，他们将收到提示，在免费文本框中输入原因，类似于针对医生的问责辩护策略。在输入响应之前，他们将无法继续进行进一步的文档编制。提示符将在每个RT中为每个患者触发一次。因此，例如，如果一个患者由三个RT护理，则可能有多达三个单独的提示符，这取决于每个RT是否记录了高于阈值的一组潮汐量。当患者位于研究ICU时，所有流程文件都将暴露于策略C。

研究结果

我们将采用混合型III设计来研究实施(主要)和有效性(次要)结果[36我们之所以选择这种设计，是因为有非常有力的证据表明LPV在ARDS患者中的有效性，以及在非ARDS患者中的安全性，再加上这些数据与实践之间存在明显差距的证据。因此，迫切需要实施研究和进一步的有效性证据，特别是在所有接受MV的患者中，当不需要满足ARDS标准时，干预措施才适用。

主要研究结果将是LPV的保真度，以MV的前72小时内患者潮气量小于或等于6.5 ml/kg PBW的时间百分比来衡量。我们之所以选择这个阈值，是因为最初的随机试验表明，与较高的潮汐量相比，以6 ml/kg PBW为目标的潮汐量可以降低死亡率;因为在该试验中，研究组的平均潮气量为6.4 ml/kg PBW;并允许一个小的余量，以四舍五入的估计理想的潮汐量。我们将把估计限制在MV的前72小时，因为现有证据表明MV的早期病程对临床结果影响最大[32，37]。我们还将包括以下对LPV依从性的次要测量:给予的初始潮汐量;平台压力暴露时间(Pplat) > 30 mmHg;以及暴露于大于8毫升/公斤体重的潮气量的时间(LPV的建议潮气量上限[19])。

表格3.详细介绍了有效性结果，包括院内死亡率、出院处置、MV持续时间、ICU和住院时间(LOS)。我们还将评估潜在的不良后果，包括危及生命的酸血症发生率，MV期间和之后镇静药物的总累积剂量，急性脑功能障碍的总天数[38在MV期间和之后。

情境要素评估

为了探索策略如何与临床医生和环境背景因素相互作用，我们将在每个研究ICU实施策略后的前3个月内与ICU临床医生(订购临床医生和RTs)进行自愿的半结构化访谈。接受过定性访谈培训的研究协调员将使用半结构化的脚本，该脚本由个人特征、内部环境和过程等CFIR领域的几个结构指导[35]引出对实施战略的看法，并确定可能影响战略成功的因素，以提高对LPV的遵守。例如，为了了解临床医生的个人特征如何与每种策略相互作用，我们将询问他们对LPV的了解以及先前管理MV患者的经验和舒适度。为了了解内部设置因素的作用，我们将询问ICU的领导对LPV的利用，以及不同专业团队之间的沟通和团队合作参与MV管理。所有访谈将在参与者同意的情况下进行录音，并进行专业转录。

数据收集方法

作为一项实用的临床试验，我们将通过宾夕法尼亚大学卫生系统(UPHS)电子病历以电子方式捕获所有患者数据。结果数据将仅限于在提供常规临床护理过程中常规收集的数据元素，并从UPHS EHR中提取。如上所述，我们将从访谈和焦点小组中获取有关上下文元素的所有数据。

统计分析

主要的分析方法将使用改进的意向治疗(mITT)方法。由于在ICU级别部署策略的EHR限制，策略A和B中包含的临床医生轻推仅在进入ICU后输入新的MV订单时触发。在ICU入院前(例如，在急诊科或由于普通病房的临床紧急情况)开始使用MV的患者可能在ICU入院前已输入MV命令，因此可能不会暴露于干预措施。由于ICU中接受和不接受这些策略的患者比例不同，而且这些患者组可能存在系统差异，因此初步分析将排除在ICU入院前接受过MV的患者，根据研究ICU的初步数据，我们预计这一比例在10%至30%之间。

我们还将使用样本进行二次分析，该样本将包括真实意向治疗(ITT)人群;也就是说，在任何研究ICU中接受MV的所有患者(在上文详细排除后)，无论在干预期间是否暴露于实施策略。这一分析将有助于深入了解针对重症监护病房的战略如何影响战略在实施结果中的效果。我们假设改善低潮量管理策略的效果将在ITT人群中减弱。

主要研究结果和所有实施结果的分析单位将是MV的情节。如果患者有多次MV发作，由于同一患者的观察结果不独立，我们将只包括住院期间的第一次发作进行初步分析。每个患者接触的暴露将是在开始MV或ICU入院时(以较晚者为准)在入院ICU的暴露。

对于主要结果，我们将使用混合效应线性回归模型，对icu具有随机效应，对时间具有固定效应，以解释楔形聚类随机设计。我们将做以下5个比较:控制vs策略A，控制vs策略B，策略A vs策略B，策略A vs策略A +策略C，策略B vs策略B +策略C。

在进行mITT和ITT分析时，将对以下预先指定的随机化前存在的患者水平协变量进行调整:年龄、性别、身高、2019冠状病毒病(COVID-19)状态、ICU入院来源、实验室急性生理评分第2版(LAPS2)测量的疾病严重程度[39]，入住ICU前的住院时间，入住ICU前的通气时间，以及代码状态(即是否存在不复苏或其他限制治疗的命令)。此外，考虑到该试验将在COVID-19大流行期间开始，我们将纳入因COVID-19而影响机械通气患者的政策变化的任何时期的固定效应。根据以前的大流行政策，这将包括在医院的任何时期，即:(1)开设新的临时icu;(2) icu已关闭;(3)对选择性程序调度的限制。

对于院内死亡率和出院处置的有效性结果以及所有不良结果测量，我们将重复上述分析，分别对二元和连续结果使用逻辑回归和线性回归。对于MV、ICU LOS和医院LOS持续时间的结果，死亡是一个相互竞争的风险，可以进一步混淆结果的解释，因为减少死亡的干预措施可能通过增加重症患者的生存来增加MV和LOS的持续时间。因此，我们将这些结果建模为死亡和MV持续时间、死亡和ICU LOS以及死亡和医院LOS的复合结果，并将死亡按最长/接近最长LOS进行排序[40]。因为这将产生在右偏尾末端有一个尖峰的分布，而不是通过取MV或LOS持续时间的对数来减轻，所以我们计划使用随机效应在第20、30、40、50、60和70百分位同时进行分位数回归来分析我们的主要结果。所提出的方法将提供每个分位数的效果估计，我们将报告95%的自举置信区间(CI)。这种建模方法还允许我们对所有分位数进行显著性联合检验，这是验证干预效果(如果有的话)的有效方法。

我们将通过重复分析两个临床因素分层的主要结局来探索患者水平的效果改变，这两个临床因素是潜在的效果改变因素:是否存在ARDS和低氧血症程度(通过P:F比测量，计算方法为PaO2除以吸入氧的分数[FiO2])。如果在分层分析中出现差异，我们将通过测试潜在效应修饰因子和研究组之间的乘积交互项系数对LPV利用的主要结果和有效性结果子集(住院死亡率、住院LOS和急性脑功能障碍天数)的显著性，正式评估效应修饰。

为了验证我们的主要分析方法的假设，我们将进行几次敏感性分析，其中我们重复了主要分析，但对研究人群或我们如何定义暴露组或其他变量进行了修改。首先，我们将纳入所有的MV发作，包括同一患者的后续发作。其次，对于在前72小时内暴露于不同研究组的患者(例如，由于从对照期过渡到研究策略的icu间转移或入院)，我们将(1)排除在MV的前72小时内暴露于多个研究组的患者，(2)将暴露定义为患者在前72小时内暴露于任何研究组的时间百分比。第三，少数临床医生将配备多个icu，并可能暴露于多种干预措施。我们预计这会导致污染，使结果偏向于零。我们将估计这种情况发生的频率，并将进行敏感性分析，排除临床医生交叉到多个icu的患者。第四，我们将纳入icu的固定效应(而不是随机效应)，以解释icu级别混淆的可能性。

为了探索可能与实施策略相互作用的临床医生和环境背景因素，两位研究人员将对访谈记录进行编码。我们会使用财务汇报框架作为初步的代码本[35]并添加特定于数据的主题和子主题。我们将通过每五个转录本进行双重编码来评估编码间的可靠性。定性分析将帮助我们确定与LPV实施相关的最可能的相关因素。然后，我们将使用定量分析来检验这些理论。

在从访谈中开发出一组离散的临床医生因素(如经验水平，分配到ICU还是轮转职责)后，我们将把它们分配给临床医生，并使用试验期间参与临床医生照顾的患者样本，定量评估它们是否修改了实施策略的效果。要做到这一点，我们将首先执行类似于上述的分析，按临床因素分层。如果我们发现效应大小差异的证据，我们将在模型的实施策略中为每个临床医生因素添加相乘的相互作用项，以量化相互作用是否显著。为了探讨ICU因素的作用，我们将同样按ICU分层进行定量分析。在从访谈、焦点小组和调查中开发出一组离散的环境因素之后，我们将把它们分配给icu，并探索是否出现任何模式。

所有的研究数据将由研究的数据管理人员准备，他将从电子病历数据仓库中提取数据，并将对研究小组的分配进行开放。她将在研究icu的去识别和研究数据分析(WW)的分组分配后提供一个分析数据集。在分析阶段，数据分析师和PI将对研究小组的任务保持不知情，并对数据和分析的完整性负责。

样本大小

我们估计了任何干预组(单独策略A或B或与c联合)的两两比较的力量。(四个单独的干预组)与对照组。我们的功率计算基于以下保守假设:12个icu中8000集的样本量;群内相关系数为0.1;主要结局的基线平均值为45%，标准差为45%(基于2020年6个月期间在研究医院入住icu的患者的回顾性队列估计，包括COVID-19患者)。我们将使用Holm方法来评估5个感兴趣的组间对比，通过顺序测试每个组的显著性，以逐渐减少限制性α水平，保留5%的家庭I型错误率。根据这些假设，我们估计我们将有> 95%的能力检测到主要结局的平均值增加25%(从45%到70%)，这将近似于最高潮汐容量依从性的研究ICU的利用率<6.0 ml/kg理想体重。在任何两两比较中，该样本量也具有> 90%的功率来检测20%的差异，并且具有近80%的功率来检测低至15%的差异。最后，这个样本量有80%的能力检测到住院死亡率从估计的25%降低到16%。

研究监督

宾夕法尼亚大学和切斯特县医院的机构审查委员会批准了INPUT试验，详见“声明”部分。根据美国国立卫生研究院的政策，该试验将由数据安全和监测委员会监督。任何危及生命的酸血症事件(试验入组后第一次动脉血气pH值小于7.10)或死亡或心脏骤停，均应在入组后24小时内由重症监护专家审查，以确定与试验的相关性。任何被认为可能或可能与审判有关的事件将以快速方式报告给DSMB。此外，我们将在9个月和18个月后进行两项中期分析，以供DSMB审查两个研究结果:(1)LPV的保真度(如上所述的主要结局)和(2)住院死亡率。我们不会提前停止试验以证明实施策略的有效性，因为这样做会降低我们进行二次分析和效果修改分析的能力。基于住院死亡率的早期危害证据，我们将建议停止试验。

在本文中，我们提出了INPUT研究的方案，这是一项实用的楔形步进集群随机试验，通过改变临床医生利益相关者的行为来促进三种基于ehr的策略的使用。据我们所知，这是有史以来第一次在学习型卫生系统内进行的大规模务实试验之一，该系统是一项实施-有效性混合试验，其策略依据行为经济学。作为一项混合III型试验，该研究将主要评估实施结果，其次评估有效性结果。我们之所以选择这种设计，是因为有大量证据表明LPV在几个MV患者群体中的疗效和有效性，也有证据表明需要改进实施策略，使实施结果具有重要意义。

这项研究有几个优势。首先，它将严格测试简单和可扩展的战略，以改善基于证据的使用证明有效的挽救生命的干预措施。因此，它有望为高风险患者创造具有潜在高影响的新知识。它将在12个地理上和组织上不同的icu中进行，具有可变的人员配备模式和患者群体，因此具有很高的推广潜力。最后，如前所述，它将提供高质量的证据，通过将行为经济学应用于临床医生的决策，推进重症监护环境中的实施科学[41]。

本研究也有局限性。首先，研究医院是从单一的卫生系统中抽取的。然而，研究icu采用多种不同的人员配置模式，在人口统计学和临床方面为不同的患者群体提供服务，并且其LPV的基线依从率具有可变性(未发表的数据)，代表了美国医院的多样性，从而支持了结果的普遍性。其次，由于它将在拥有单一综合电子病历的医院内进行，具体实施战略将无法立即导出到拥有其他电子病历的其他卫生系统。然而，由于研究卫生系统使用Epic，这是美国最常用的电子病历，我们的代码(我们将免费提供)的外推将有助于适应其他当地环境。第三，在指定哪些患者患有ARDS时可能会出现某种程度的错误分类，而LPV的证据是最强的。然而，我们识别ARDS的方法已经在我们的卫生系统的电子病历中得到了验证[42]，其主要目标是在广泛的ARDS患者群体中生成有效性数据，从而解决对ARDS认识不足的挑战。

总之，这项在MV患者中促进LPV策略的阶梯形试验将产生可推广的证据，以推进实施科学和行为经济学对临床医生决策的影响。如果成功，它将进一步量化简单的基于电子病历的战略的有效性，具有很大的潜力，可以改善向发病率和死亡率高的患者提供循证护理。

在研究完成后，在研究期间使用和/或分析的任何数据集将根据主要研究者(MPK)的合理要求以确定的方式提供。

应用:

高级实践提供者

ARDS:

急性呼吸窘迫综合征

CAM-ICU:

ICU混淆评价方法

CFIR:

实施研究的统一框架

置信区间:

置信区间

COVID-19:

2019冠状病毒病

CT:

电脑断层摄影术

电子健康档案:

电子健康记录

加护病房:

加护病房

输入:

实施助推措施促进低潮气量通风的利用

IRB:

院校审查委员会

ITT公司:

意向处理

LAPS2:

实验室急性生理评分，版本2

洛杉矶:

停留时间

LPV:

Lung-protective通风

手套:

修改意向处理

毫升/公斤:

毫升/千克

MV:

机械通风

PBW:

预测体重

窥:

呼气末压正

拉:

里士满激动镇静量表

RT:

呼吸治疗师

大学:

宾夕法尼亚大学卫生系统

我们感谢Gordon Rubenfeld博士担任顾问并为研究设计和分析程序提供意见。我们还要感谢数据安全和监测委员会的成员:Todd Rice博士(主席)、Kristen Riekert博士、Daniella Meeker博士和Jing Cheng博士。

本研究由美国国立卫生研究院国家心脏、肺和血液研究所(R01HL141608)资助。资助者没有参与研究的设计，也不会参与数据收集、分析、解释或手稿撰写。

从属关系

1. 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院肺、重症监护和过敏科

   会见eta Prasad Kerlin, Barry D. Fuchs, Mark E. Mikkelsen和Scott D. Halpern

2. 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院医学系

   会见eta Prasad Kerlin, Barry D. Fuchs, Mark E. Mikkelsen, Scott D. Halpern和Rinad S. Beidas

3. 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院姑息与高级疾病研究中心

   会见eta Prasad Kerlin, Dylan Small, Mark E. Mikkelsen, Wei Wang, Teresa Tran, Stefania Scott, Aerielle Belk, Jasmine A. Silvestri, Tamar Klaiman和Scott D. Halpern

4. 美国宾夕法尼亚州费城宾夕法尼亚大学伦纳德·戴维斯卫生经济研究所

   会见了eta Prasad Kerlin, Dylan Small, Scott D. Halpern和Rinad S. Beidas

5. 美国宾夕法尼亚州费城宾夕法尼亚大学沃顿商学院统计学系

   迪伦小

6. 美国宾夕法尼亚州费城宾夕法尼亚大学健康激励与行为经济学中心(CHIBE

   迪伦·斯莫尔，塔玛尔·克莱曼，斯科特·d·哈尔彭和里纳德·s·贝达斯

7. 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院医学伦理与卫生政策系

   Scott D. Halpern和Rinad S. Beidas

8. 美国宾夕法尼亚州费城宾夕法尼亚大学佩雷尔曼医学院精神科

   里纳德·s·北京

9. 美国宾夕法尼亚州费城宾夕法尼亚大学Leonard Davis卫生经济学研究所宾夕法尼亚实施科学中心(PISCE@LDI)

   里纳德·s·北京

贡献

MPK是这项研究的首席研究员，她设计了这项研究，获得了资金，并起草了手稿。DS是首席生物统计学家。BDF、MEM、SDH和RSB是参与研究设计、数据收集和数据分析计划的共同研究者。TT, WW, SS, JAS, AB和TK是研究工作人员，他们为研究设计，数据收集和数据分析计划提供了输入。所有作者都为最终稿件提供了输入并通过了审定。

相应的作者

对应到我是普拉萨德·克林。

伦理批准并同意参与

宾夕法尼亚大学机构审查委员会(IRB)作为五个研究医院中的四个的单一IRB，符合国家卫生研究院的要求。第五家医院要求在医院内部审查委员会内制定单独的协议。该研究获得了宾夕法尼亚大学IRB(方案# 833400)和切斯特县医院IRB(方案# CCH19-05)的批准，由于对参与者的风险最小，并且在需要个人同意的情况下不可能进行icu级干预措施的实用试验，因此放弃了知情同意。

发表同意书

不适用

相互竞争的利益

里纳德·贝达斯从牛津大学出版社获得版税。她曾担任医疗保健提供者卡姆登联盟的顾问。她为联合行为健康中心提供咨询。她是Optum行为健康临床和科学顾问委员会的成员。Scott Halpern是nia资助的IMPACT合作实验室指导委员会的付费成员，并从Atrium Health和佐治亚州立大学获得咨询费。其余的作者宣称他们没有竞争利益。

出版商的注意

施普林格·自然对已出版的地图和机构关系中的管辖权要求保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和来源，提供知识共享许可协议的链接，并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中，除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法律法规允许或超过允许的用途，您将需要直接获得版权所有者的许可。如欲查阅本许可证副本，请浏览http://creativecommons.org/licenses/by/4.0/。创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文中提供的数据，除非在数据的信用额度中另有说明。

转载及权限