改善临床医生和高危癌症患者之间严重疾病沟通的行为经济实施策略:一项群集随机实用试验方案

背景

严重疾病对话(SICs)是一种基于证据的方法，可以引出患者的价值观、目标和护理偏好，从而改善患者的治疗结果。然而，大多数癌症患者在没有记录SIC的情况下死亡。以行为经济学(“助推”)为指导的临床医生指导的实施策略，识别高风险患者，在临床医生中显示出增加SIC文档的希望。目前还不清楚，患者指导下的使患者正常和初始的SIC完成的推动(单独或联合临床医生的推动，与同行进行额外的性能比较)是否可以改善这种方法。我们的目标是测试临床和患者导向的推动作为提高癌症患者SIC完成度的实施策略的效果。

方法

我们将进行一项2 × 2因子、聚类随机实用试验，以测试与常规护理相比，对临床医生、患者或两者的推送对SIC完成的影响。参与者将包括166名在一个大型学术卫生系统的10个地点执业的医学和妇科肿瘤临床医生，以及大约5500名基于经过验证的机器学习预后算法预测6个月死亡率较高的患者。数据将通过电子病历、临床医生调查和与临床医生和患者的半结构化访谈获得。主要结果将是高危患者的SIC记录时间。次要结果将包括所有患者的SIC记录时间(评估溢出效应)，高危患者的姑息治疗转诊，以及积极的临终护理利用(在死亡前14天内进行化疗，在死亡前30天内住院，或在死亡前3天内进入临终关怀中心)。我们将评估实施战略效果的调节者，并与临床医生和患者进行半结构化访谈，以评估影响推动措施有效性的背景因素，着眼于卫生公平。

讨论

这将是第一个实用的试验，以评估临床医生和患者指导的推动促进癌症患者SIC完成。我们希望这项研究能深入了解作为提高SIC率的实施策略的临床医生和患者的建议的有效性，并揭示驱动对这些策略的反应的多层次背景因素。

试验注册

ClinicalTrials.gov，NCT04867850．于2021年4月30日注册。

资金

国家癌症研究所P50CA244690

癌症患者通常会经历身体和情绪上的痛苦，利用计划外的紧急护理，并在生命结束时接受与其愿望不一致的医疗干预[1，2，3.，4，5，6]。引发患者价值观、目标和护理偏好的重病对话（SIC），尤其是在疾病发展的早期，是一种循证实践，可改善患者情绪和生活质量[7，8，9，10，11，12]，并由国家指南推荐，包括美国临床肿瘤学会和国家医学研究院的指南[13，14，15]．然而，大多数癌症患者在没有记录SIC的情况下死亡，导致在生命结束时进行不必要和不必要的积极治疗[7]．而且，SICs的实现并不公平。那些更有可能经历社会和健康不平等的人，如黑人或非裔美国人患者，比非西班牙裔白人患者更不可能患SICs [16，17，18，19，20.，21]．现行实施策略[22]，以推广疾病预防控制系统，包括由Ariadne实验室开发的严重疾病护理计划(SICP) [23] -主要关注临床医生的教育和培训，但仅略微提高了SICs的及时性和频率[11，12]．虽然该项目的核心元素是可扩展的，如其为临床医生的结构化对话指南，但常规实践中的SIC完成度仍然很低。例如，即使在正式的SICP培训之后，我们大型学术癌症中心的肿瘤医学临床医生记录了不到5%的肿瘤医学实践中见过的癌症患者的SICs [24]．

可以使用行为经济学的方法来加强实施SICs的努力，行为经济学是一门学科，它包含了一系列从经济学、认知心理学和社会心理学中衍生出来的原则、理论和策略，以理解人类的决策。行为经济学假设，个人使用常见的心理启发式来解释“非理性”的行为(即，与个人效用最大化不一致)。临床医生的启发可能会破坏开始的SICs包括乐观偏见，或者相信自己的病人不太可能经历负面事件;预后和最佳SIC时机的不确定性;以及担心提出临终问题可能会让患者感到痛苦[25，26]．由于乐观偏见，临床医生通常过高估计晚期癌症患者的预期寿命，特别是在新和个性化治疗的时代[27，28，29]，并将SICs延迟至病程过晚。延迟SICs强化了社会规范药物治疗不是常规肿瘤治疗的一部分，直到疾病病程后期才适用，通常是在未计划的急性护理使用后[15，30，31，32]．这些规范是强有力的行为决定因素:个人希望遵守一种被认可的行为(一个命令的标准)和他人的行为(描述性规范)这些规范可能受到更广泛的因素的影响，如结构性种族主义，最显著的是，非白人患者可能不太容易接受导致不公平地获得SIC的临终对话[33]．缺乏研究评估了旨在直接利用规范并使临床医生和患者参与到SICs [34]．

以行为经济学为指导的实施策略非常适合解决这些障碍，这从根本上意味着需要针对临床医生和患者的策略。通过有意地修改选择的框架，推动可以对抗那些可能阻碍行为改变的行为路径，或者利用这些路径将决策导向更好的结果，同时保留自主和选择原则[24，35，36，37]．对临床医生的推动已被证明增加了诸如流感疫苗接种等基于证据的行为的比率[38，39，40]我们展示了临床医生指导的轻推的有效性，旨在抵消乐观偏见并帮助临床医生根据经过验证的机器学习预后算法(即那些最有可能从SICs获益的患者)识别180天预测死亡率高风险的患者。这一策略导致高危患者的SIC记录增加了近4倍，非白人患者的情况尤其明显，目前在我们的大型学术癌症中心的各个站点常规使用[25]．然而，临床医生仍然没有对超过一半的高危患者进行SICs，这表明仅靠临床医生指导的实施策略仍然存在差距[25]．

作为美国国家癌症研究所资助的宾夕法尼亚大学癌症控制实施科学中心（P50 CA244690）的标志性项目，这项研究将评估在SIC完成时对临床医生、患者或两者的轻推的影响。临床医生轻推将建立在我们之前对临床医生轻推的方法基础上，通过同行比较增加绩效反馈。这项增加将通过提供泰安禁令规范(机构指南)和一描述性规范(显示peer的行为)。“病人助推”将是一种数字化交流，旨在将医学信息作为癌症治疗的常规部分，并让初级患者(以及他们的临床医生)进行早期医学信息交流。启动是一种推动，它构建信息来激活一个人的自我效能感和参与行为改变的意愿[41，也可能是an的信号禁令规范对临床医生和患者都适用。先前对患有严重疾病(包括一些癌症)的患者的研究证明了这种方法的前景[42]。临床医生和患者的推送将与我们机构的常规护理进行比较，其中包括基本的临床医生指导的推送，以识别高危患者并提供绩效反馈没有同行比较；重要的是，这只手臂将起到主动控制的作用。我们假设提供临床医师推动抵消乐观偏见和目标禁令和描述性规范通过同行比较,和病人推动规范化和质数患者对严重疾病沟通,将导致增加了癌症患者的中心短期死亡率的风险(35，43，44]．

研究的目的是

这项四组随机实用试验的主要目的是测试多水平行为经济实施策略的独立效果，包括与常规护理相比，对临床医生、对患者或对两者的推动，我们假设，与常规护理相比，每个实施策略臂将增加SIC率，而联合臂(对临床医生和患者的推动)将是最有效的。我们还将使用二级数据进行定量评估，以确定实施对SIC完成效果的调节因素，并根据患者种族/民族、收入、地理位置以及临床医生和实践因素评估效果的异质性(目的2)。我们将利用从临床医生和患者收集的定性数据来研究推动增加SICs的潜在机制(目标3)。

研究设计

我们将进行一项四臂分组随机实用试验，以测试与常规护理相比，对SIC完成情况下，对临床医生、患者或两者的推动的效果。采用2 × 2析因设计，合格的临床医生和患者将被独立随机化，得出4个研究组(见表)1）.临床医生分组将随机接受每周通过电子邮件和短信发送的提示，其中包括(a)识别6个月预期死亡率高的患者，(b)与同行相比，与常规护理相比，SIC文档的表现反馈。患者将随机收到一封电子邮件和短信，内容包括(a)正常化信息和(b)一份简短问卷，目的是让优等患者接受早期医学治疗，而不是常规治疗。通常的护理将包括一个基本的临床指导的推动，识别高危患者和提供绩效反馈没有同行比较，这将作为主动控制。下面将更详细地描述研究武器。

临床医生的研究持续时间约为12个月，在此期间，他们将根据指定的研究分支接受轻推。每位受试者的研究持续时间约为6个月，由最初的临床指标(标记研究进入和根据指定的研究分支的轻推暴露期开始)和确定研究结果的6个月随访期确定(图)。1）.

参与者和环境

研究参与者将包括大约5500名高危癌症患者，由宾夕法尼亚医学艾布拉姆森癌症中心(ACC)的四家医院和六家社区实践场所的大约166名医学和妇科肿瘤临床医生护理:宾夕法尼亚大学医院，宾夕法尼亚医院，宾夕法尼亚长老会医疗中心，切斯特县医院，Valley Forge医疗中心，Radnor医疗中心，Cherry Hill医疗中心，Voorhees医疗中心，Sewell医疗中心，和区域血液学肿瘤学协会。这些实体包括约200名肿瘤学家，每年为15,000名新癌症患者提供服务(52%女性，42%西班牙裔，16.2%黑人，21%医疗补助/未参保)。

临床医生样本将包括合格的医疗肿瘤学家、妇科肿瘤学家和在参与点照顾癌症患者的高级实践提供者(app，即医生助理和护士执业者)。合格的临床医生参与者将为参与地点患有实体、血液学或妇科恶性肿瘤的成人(年龄> 18岁)患者提供每周至少半天的临床治疗。仅提供生存、遗传学、良性血液学、白血病或骨髓移植护理的临床医生将被排除在临床医生样本之外。我们的排除理由如下:(1)在生存、遗传学和良性血液学诊所中缺乏高危患者，(2)在白血病患者或骨髓移植后的算法性能不佳。所有符合条件的临床医生都将有机会接受SICP培训，这是我们卫生系统的医疗和妇科临床医生必须接受的培训。表格2详细研究纳入和排除标准。

患者样本将包括那些接受实体、血液学或妇科恶性肿瘤治疗的患者，这些患者来自参与地点的合格临床医生，在研究期间至少有一次预约的门诊临床接触，或通过远程医疗(“索引临床接触”)。我们将排除在入组后6个月内有记录的SIC或无效手机号码的患者，约占队列的5%。当合格的临床医生在参与的实践场所进行随访时，患者将获得积累。

这项研究是由宾夕法尼亚大学的机构审查委员会和其他网站在信赖协议下批准的。由于这是一个务实的试验，重点是在对患者风险最小的情况下改进循证实践的实施，我们收到了临床医生和患者对目标1和2的参与者知情同意弃权。对于目标3，潜在参与者将在数据收集前提供知情同意。

学习程序和实施策略

符合条件的临床医生和患者将根据上述标准确定。合格的临床医生将在研究开始时随机分组，并在研究期间接受鉴别高危患者是否进行同行比较的提示。临床医生将与他们工作的应用程序聚集在一起，反之亦然，这些不重叠的聚集将作为临床医生的随机化和分析单位。一旦确定了临床医生群集，将通过小块排列随机研究武器。

符合条件的患者将在符合条件的指标临床遇到之前被随机分配，并将相应积累到研究中。患者将接触到基于他们指定的研究部门的实施策略，这将取决于他们自己的随机化(在指标临床遇到时确定)和他们的临床医生(在研究开始时确定)。因此，随机化将采用临床医生分组随机化和患者独立随机化的混合模型。

我们采用快速循环的方法来确定内容、消息传递和设计，以便在试运行前优化和完善实施策略。这些快速循环迭代包括与行为经济学专家(共同作者DAA和AMB)的设计会议，与从十个实践地点招募的肿瘤临床医生的深入讨论，以及与患者和护理癌症顾问组成员的焦点小组讨论。然后，我们与临床医生和患者进行了多次可用性测试，最终得出如下所述的患者和临床医生的建议。

只推给临床医生

临床医生的提醒将通过电子邮件每周发送，并在诊所会议的早晨发送短信提醒。每周的电子邮件将识别根据有效的机器学习预后算法预测180天死亡的高风险患者，这些患者计划在下一周进行门诊就诊[45，46]．电子邮件还将包含过去4周临床医生对SIC文档的表现反馈，并将其与专业于特定疾病组(如胸科、泌尿生殖科等)和/或在其执业现场执业的同行临床医生进行图形对比。在诊所开会的早晨发送的短信将提醒临床医生预约时间和当天计划就诊的高危患者的姓名缩写。数字2显示临床医生消息的示例内容。

仅向患者推送

患者轻推将通过短信和电子邮件在索引临床接触之前。将由一个正常化的消息促使患者完成一个简短的电子问卷设计'病人对原文如此,将在每月最多发送两次间隔只对那些病人填写启动问卷调查和记录SIC在随访中。患者将有机会选择在任何时候不再接收任何短信。来自启动问卷的患者报告数据将通过电子病历与相应的临床团队实时共享。数字3.显示患者消息的示例内容。

轻推临床医生和病人

上述两种策略将结合使用。

常规治疗

由于我们之前的研究(如上所述)，我们机构的常规护理发生了改变，显示了临床医生指导的推动促进SICs[25]的有效性。因此，这项试验的常规护理将包括每周的电子邮件和短信，以识别高危患者，以及临床医生的表现反馈没有同行比较．这种方法的优点是结合了一个主动控制臂，并将使我们能够了解临床医生的表现反馈的影响与没有同行比较。数字2显示在日常护理中使用的临床医生轻推的示例内容。

措施

表中总结了主要和次要结果3.．主要结果仅是高风险患者的SIC记录(由机器学习算法识别)，衡量在参与者的指标临床接触后的6个月随访期间，电子医疗记录中是否存在标准化SIC记录。临床医生的SIC文档将作为完整的SIC的代理测量，但它本身也是一个重要的结果，因为文档有助于将患者的目标和愿望集中传达给医疗团队。次要结果是所有患者的SIC记录(不管算法预测的死亡风险);门诊姑息治疗转诊，仅针对高危患者;在高危死亡患者中，积极的临终关怀(综合以下三个标准:死亡前14天内接受化疗、死亡前30天内住院、或死亡前3天或更短时间内接受临终关怀)。这些次要结果将在患者水平作为二元结果进行测量，在参与者的6个月随访期间确定。

我们还将收集关于执行效果的潜在调节因素和执行期间出现的任何卫生不平等的定量数据[47]，使用通过电子病历定期收集的数据、美国人口普查的公开数据和临床医生调查的数据。这些数据包括患者的立场变量(年龄、性别、种族/民族、癌症类型、癌症分期和医疗保险)，clinician-level变量（实践年限和患者小组规模），实践层面的变量(社区和医院的设置，城市和非城市的位置，以及支付者的组合)社区水平的变量(联系在患者和执业水平，包括中等收入和教育程度)。基线临床医生调查将评估远端结构(如组织学习)和近端结构(如参与SICs的自我效能感)，如果发现这些结构对实施很重要[48]．

最后，在积极参与试验后，半结构式访谈将评估实施研究综合框架（CFIR）五个领域的背景因素了解患者和临床医生对轻推的体验和反应。临床医生将使用由半结构化问题组成的核心访谈指南来评估与实施SICs相关的多层次组织或系统因素和流程。具体问题将探讨临床医生的关键障碍和便利轻推的问题。在患者中，问题将调查参与者对轻推的反应以及提供者和系统层面的经验（例如，可接受性、适当性的感知）；此外，符合我们的健康公平重点[49，50]，就会出现可能导致卫生不平等的社会和结构因素的问题，如种族主义经历、歧视、医疗不信任、感知到的卫生保健机会和语言障碍。除了半结构化的访谈问题，所有受访的临床医生和患者都将完成一份简短的问卷，评估人口统计数据、信仰和与SICs相关的行为。

样本量和功率

我们正试图使用0.05的双边alpha来检测轻推的主要效果，以及它们与至少80%功率的交互作用。我们预计纳入66个医生-应用程序组，他们将在研究期间共同护理大约5500名高危患者，平均每个组约83名高危患者。我们使用不同的患者登记和聚类相关假设生成了功率计算(见表)4）.我们通过模拟计算功率，在各种假设下生成事件的指数时间。患者集中在临床科室。通过绘制相关的、正态分布的随机数来施加聚类内相关性，并用copula方法将其转换为指数。

保守地假设，我们每群招募70名患者，群内相关性为0.1，我们将有>80%的能力检测真正的危险比(人力资源) 1.6的效果，人力资源1.25为患者轻推，与风险比之比(嗯)，交互作用为1.6。假设每组70例患者，组内相关性为0.3，我们将有>80%的能力检测出的真实风险比的效果人力资源2.0版的临床推人力资源1.3为病人轻推，和嗯交互作用1.8。如果我们假设每组纳入90名患者，这些估计值会略有提高，这样我们就可以检测到更强大的相似效应大小，如表所示4．

统计方法

对于目标1，主要结果将使用Cox比例风险模型在时间-事件分析中建模，使用聚类相关稳健标准误差来解释临床医生聚类中的患者聚类。如上所述，SIC文件将作为主要事件的结果。时间变量是指临床接触和SIC文件之间的天数。轻推暴露将根据临床群集的随机分组和患者的随机分组来确定。Cox回归将估计主要效应的风险比以及临床医生和患者双重推动相互作用的风险比。重要性将用z-分值对应于每个估计效果。所有入组患者都将被纳入意向治疗分析，受试者在最后一次结构化电子健康记录活动或死亡时将被审查，如果他们在随访期间没有被观察到有记录的SIC。各研究组将评估协变量，如果各研究组间不平衡，则将协变量纳入Cox模型。

通过边际标准化，我们将使用拟合的Cox模型在6个月内生成SIC记录的预测概率，以及记录跨臂SIC的中值时间。模型的函数形式将使用累积鞅残差来检查，比例风险假设将使用比例Schoenfeld残差来检查。次要结果将采用类似的模型。所有假设检验都将使用双侧的0.05作为统计学显著性的阈值。

对于目标2，我们将通过包括研究部门和单独的患者、临床医生和社区因素之间的交互项来探索SIC文件执行效果的异质性。效力变更的证据将根据z-分数对应于危险比的比值(交互项)。

对于目标3，我们将使用收敛混合方法设计和分析来帮助识别为谁实施战略是最有效的，包括在更有可能经历社会和卫生不平等的患者中，并确定如何策略可能有效(即改变机制)[51，52]．在CFIR的指导下，我们将识别情境条件(例如，内部环境)和实施条件(具体实施策略和过程的特征)，从而形成对患者和临床医生推动的响应。以扎根理论为指导的持续比较方法[53，54，将用于演绎编码先验感兴趣的领域(由cir领域指导和组织)，并归纳探索突发发现和首要主题。我们将这些定性数据与试验中收集的其他定量数据(如试验结果、结构化问卷数据)进行三角分析。通过定性比较分析，这些编码数据将作为评估多水平机制推动试验有效性的输入。

这项随机对照试验将测试与常规护理相比，对临床医生、患者或两者进行推送的效果，作为提高死亡率高的癌症患者SIC完成度的实施策略。通过利用启发式这两个临床医生和患者，从而解决SIC参与的多层次障碍，它建立在我们之前的工作基础上，证明了临床医生指导的单独推动的中度有效性[25]．通过整合这一基本临床医生推成一个主动控制的手臂,本研究评估的添加影响有着独特的优势在临床医生推动临床医生同行比较,以及病人的影响推动规范化设计中心和主要患者和临床医生参与。

我们预计研究收益率基本见解患者的立场推动的有效性,clinician-level推动,或既实现策略来提高癌症治疗循证实践的吸收,并推进我们的理解多级语境因素和机制,推动应对这些策略。具体来说，我们将通过探索患者、临床医生和内部环境因素来推进实施的科学，这些因素有助于对患者和/或临床医生的推动做出反应，包括评估不同患者群体和实践环境的有效性。我们希望这将有助于深入了解这些新方法的外部有效性。此外，如果成功的话，这项研究将提供一种可推广的方法来整合预测性分析，推动临床医生和患者参与关于治疗目标和临终愿望的循证对话。这些结果将为医疗机构如何确保癌症患者和他们的临床医生更频繁、更早地参与医疗讨论，并感到有权发起最佳时间安排的对话奠定基础。这可能有助于推动目标一致的护理，提高生活质量，并减少不必要的临终护理的使用。此外，我们的研究将增进对临床医生和/或患者的推动在多大程度上影响癌症护理提供中的卫生不公平的理解。

我们的研究有几个局限性。首先，这是一项单一卫生系统的研究，因此，即使我们的方法成功了，也不可能推广到其他卫生系统——特别是那些没有健全的电子医疗记录基础设施、没有对严重疾病沟通进行临床医生培训、没有得到行政领导和临床工作人员的支持的机构。尽管有这个限制，我们的研究包括一个种族和民族多元化的患者群体，跨越学术和社区肿瘤环境，并使用一个共同的电子病历基础设施，因此经验教训应该适用于不同的环境。其次，我们对SIC文献的主要结果并不是对SIC质量或患者满意度的有力衡量。虽然SIC文件已被用作几个支持性护理研究的结果[12，25]，未来的轻推研究应该评估患者报告的结果和其他对话质量指标作为主要结果;作为目标3的一部分，我们将以探索性的方式测量这些结果。

如果成功，这项工作的未来方向包括一个大型的、多健康系统的研究，以测试患者和/或临床医生推动提高SIC率的通用性，以及一个强有力的研究，以评估临床医生和患者的SIC推动对临终护理的利用和结果的影响。

由于患者隐私的原因，目前研究中生成和/或分析的数据集不能公开获得，但在合理的要求下，可以从通信作者处获得。

ACC:

宾州医学艾布拉姆森癌症中心

机场核心计划:

先进的护理计划

应用程序(s):

先进实践提供者(年代)

人力资源：

风险比

嗯：

比率的危险比

NCI:

国家癌症研究所

碳化硅(s):

严重疾病的谈话(s)

我们感谢所有调查人员和研究人员提供的支持和见解。我们也要感谢我们的技术解决方案合作伙伴，包括Michael Draugelis和Jason Lubken，以及宾夕法尼亚医学的预测医疗保健的合作者Corey Chivers，以及Way to Health的Catherine Reale, Michael Kopinsky, Neda Khan, Sadie Friday, Aaron Leitner和Christianne Sevinc。最后，我们感谢这份手稿所依据的基础研究，比如，阿森松健康(Ascension Health)的米特什·帕特尔(Mitesh Patel)博士对推动医学的贡献，布莱根妇女医院(Brigham & Women 's Hospital)的阿里阿德涅实验室(Ariadne Labs)和哈佛大学陈曾氏公共卫生学院(Harvard T.H. Chan School of Public Health)创建了《重症对话》(Serious Illness Conversation)临床医生指南和患者工作表。

资金的支持

Takvorian博士承认来自国家癌症研究所P50 CA244690和K12 CA076931的资金支持。

作者全权负责本研究的设计和实施、研究分析和论文的起草。资助方美国国家癌症研究所(NCI P50 CA244690)在研究设计、收集、分析和数据解释中没有发挥作用;报告的撰写;以及提交文章发表的决定。国家癌症研究所P50CA244690。

从属关系

1. 宾夕法尼亚大学佩雷尔曼医学院，3400 Civic Center Blvd, 10S-113, Philadelphia, PA, 19104, USA

   撒母耳Takvorian,贾斯汀Bekelman, Rinad北大,罗伯特•Schnoll艾丽西娅·b·w·克利夫顿斯萨拉姆,彼得·加布里埃尔·e·保罗·Wileyto卡莉a·斯科特,David a . Asch艾莉森·m·Buttenheim凯瑟琳a . Rendle Krisda Chaiyachati,苏器皿,林恩·m·Schuchter科里·奇弗斯帕拉维·埃呀尔Kumar劳伦斯·n·舒尔曼尼娜奥康纳,艾迪娜利伯曼,Kelly Zentgraf & Ravi B. Parikh

2. 宾州癌症护理创新中心，艾布拉姆森癌症中心，宾州医学，费城，宾夕法尼亚州，美国

   Samuel U. Takvorian, Justin Bekelman, Rinad S. Beidas, Robert Schnoll, Alicia B. W. Clifton, Tasnim Salam, Peter Gabriel, Callie A. Scott, David A. Asch, Alison M. Buttenheim, Katharine A. Rendle, Lynn M. Schuchter, Lawrence N. Shulman & Ravi B. Parikh

3. 宾夕法尼亚实施科学中心，伦纳德·戴维斯卫生经济研究所，费城，美国宾夕法尼亚州

   Rinad S. Beidas, Adina Lieberman & Kelly Zentgraf

4. 美国宾夕法尼亚州，费城，宾夕法尼亚医学医疗创新中心，宾夕法尼亚医学助推股

   Rinad S. Beidas, Adina Lieberman & Kelly Zentgraf

5. 美国宾夕法尼亚州费城宾夕法尼亚大学尼古丁成瘾跨学科研究中心

   罗伯特·斯诺尔，e·保罗·威利托和苏·威尔

6. 宾夕法尼亚大学护理学院，费城，PA，美国

   艾莉森·m·Buttenheim

7. 美国纽约哥伦比亚大学梅尔曼公共卫生学院

   雷切尔·C·谢尔顿

贡献

ST、JB和RP主导了本文的研究和编写。RB、RS和JB获得了本研究的资助。AC和TS帮助制定研究方案并管理研究。PG负责临床信息学。CC监督数据科学集成。DA和AB监督了快速循环方法。JB、LNS和CS领导实施实验室。AL和KZ支持实施实验室和整体研究的进行。KR领导了混合方法的工作。KC和RS支持卫生公平评估。 EPW is the study biostatistician. SW developed the study database and helped with informatics. LNS, LMS, PK, and NO helped with intervention design. The authors read and approved the final manuscript.

相应的作者

给Samuel U. Takvorian的信件。

伦理批准和同意参与

本研究由宾夕法尼亚大学IRB批准(协议#844816)，并在clinicaltrials.gov标题为“行为助推对严重疾病对话文件(SPP2)的影响”，注册号为NCT04867850。

同意出版

不适用

相互竞争的利益

Takvorian博士曾为Genentech提供咨询，并获得与该研究无关的辉瑞公司的资金支持。Schnoll博士为Pfizer、GlaxoSmithKline和Curaleaf提供咨询，并在过去的研究中从Pfizer获得免费药物和安慰剂。Asch博士是VAL Health的合伙人。贝达斯博士从牛津大学出版社获得版税。她为卡姆登医疗保健提供商联盟提供咨询。她目前为联合行为健康咨询，并服务于Optum行为健康的临床和科学咨询委员会。Bekelman博士报告了来自辉瑞、UnitedHealth Group、Embedded Healthcare、北卡罗来纳州蓝十字蓝盾的拨款、UnitedHealthcare的个人费用、CMS的个人费用、NCCN的个人费用、Optum的个人费用、CVS Health的个人费用、以及来自阿斯利康的个人费用(间接通过NCCN)，在提交的作品之外。

出版商的注意

施普林格《自然》杂志对已出版的地图和机构附属机构的管辖权要求保持中立。

开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。本文中的图像或其他第三方材料都包含在本文的知识共享许可中，除非在该材料的信用额度中另有说明。如果资料不包括在文章的知识共享许可协议中，并且你的预期用途没有被法律规定允许或超过允许用途，你将需要直接从版权所有者获得许可。如欲查阅本许可证副本，请浏览http://creativecommons.org/licenses/by/4.0/．创作共用及公共领域专用豁免书(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文提供的数据，除非在数据的信贷额度中另有说明。

再版和权限