Argomento 8 di 31· Also in this book
Quadro RE-AIM
RE-AIM è un quadro di valutazione della salute pubblica che valuta un intervento di salute digitale su cinque dimensioni distinte — Reach (Portata), Effectiveness (Efficacia), Adoption (Adozione), Implementation (Implementazione) e Maintenance (Mantenimento) — piuttosto che attraverso una singola metrica. Esiste per correggere una specifica e comune modalità di fallimento nella valutazione della salute digitale: un programma che riporta dati di efficacia impressionanti da una piccola popolazione pilota motivata, ma che non viene mai adottato su scala o mai mantenuto dopo il periodo pilota finanziato, non ha in realtà dimostrato alcun valore di salute pubblica, per quanto buone possano sembrare le cifre di esito principali isolatamente.
Perché è importante
I pilot di salute digitale vengono spesso valutati solo in base all'efficacia — se la metrica di esito è migliorata per le persone che l'hanno usata — mentre le altre quattro dimensioni rimangono non misurate o non riportate, il che distorce sistematicamente la base di evidenza verso interventi che funzionano bene in condizioni ideali e su piccola scala, ma che non dicono nulla su se funzionino su scala, raggiungano la popolazione che ne ha più bisogno, o sopravvivano al loro finanziamento ed entusiasmo iniziali. RE-AIM è stato specificamente sviluppato per costringere i valutatori a riportare la validità esterna (funzionerebbe altrove, per chi) insieme alla validità interna (ha funzionato qui), il che è immensamente importante per chiunque decida se un intervento di salute digitale debba essere finanziato, appaltato o scalato sulla base dei risultati di un singolo studio o pilot. Poiché ciascuna delle cinque dimensioni può essere misurata sia a livello individuale che organizzativo o ambientale, RE-AIM rivela anche i compromessi — ad esempio un intervento molto efficace erogato da personale altamente selezionato e altamente formato (forte efficacia, debole rappresentatività dell'adozione) — che una singola metrica combinata nasconderebbe completamente.
Come si applica
Reach (Portata) = quota della popolazione target
idonea che partecipa, e quanto
rappresentativi siano i partecipanti
rispetto a quella popolazione idonea
(non solo il numero grezzo di
partecipanti)
Effectiveness = impatto sugli esiti primari, inclusa
(Efficacia) la qualità della vita e le
conseguenze negative non
intenzionali, non solo la singola
metrica di esito principale
Adoption (Adozione) = quota e rappresentatività degli
ambienti e del personale/agenti di
erogazione che adottano l'intervento,
rispetto a tutti gli ambienti e il
personale idonei
Implementation = coerenza e fedeltà dell'erogazione
(Implementazione) rispetto a quanto previsto, tempo e
costo richiesti per erogarla, e
adattamenti apportati lungo il percorso
Maintenance = misura in cui l'intervento diventa
(Mantenimento) parte della pratica di routine nel
lungo termine, sia a livello
individuale (effetti sostenuti a
livello individuale) che a livello di
ambiente/organizzazione
(istituzionalizzazione)
Esempio pratico
Un programma digitale di prevenzione del diabete viene sperimentato in 20 cliniche di cure primarie in una regione con un totale di 200 cliniche idonee. La Reach viene valutata a 1.200 su una stima di 15.000 pazienti idonei nelle 20 cliniche pilota (8%), con i partecipanti che risultano leggermente più giovani e più alfabetizzati digitalmente rispetto all'intera popolazione idonea — un divario di rappresentatività che vale la pena menzionare piuttosto che ignorare. L'Effectiveness mostra una riduzione clinicamente significativa dell'HbA1c media tra chi completa il programma, ma un alto tasso di abbandono significa che questo effetto si diluisce quando valutato su base intention-to-treat tra tutti i pazienti arruolati, non solo chi ha completato. L'Adoption è di 20 su 200 cliniche idonee (10%), concentrata in cliniche con un'infrastruttura digitale esistente superiore alla media — di nuovo una preoccupazione di rappresentatività. La valutazione della fedeltà dell'Implementation rileva che la maggior parte delle cliniche ha erogato il programma in gran parte come progettato, sebbene due cliniche abbiano abbreviato significativamente il processo di onboarding sotto pressione temporale. La valutazione del Maintenance un anno dopo la fine del finanziamento pilota rileva che solo 6 delle 20 cliniche originali eseguono ancora attivamente il programma — un risultato che, riportato insieme alla cifra di efficacia inizialmente promettente, dà un quadro molto più completo e onesto delle prospettive reali del programma rispetto a quanto avrebbero fornito i dati di efficacia da soli.
Fonti dei dati e avvertenze
Ogni dimensione RE-AIM si basa tipicamente su una fonte di dati diversa: Reach e Adoption da registri di iscrizione e idoneità, Effectiveness da dati clinici o di esito (spesso gli stessi dati già utilizzati altrove in questo libro per calcolare una metrica specifica, come il tasso di miglioramento biometrico), Implementation da liste di controllo di fedeltà, log di erogazione o osservazione diretta, e Maintenance da una valutazione di follow-up condotta molto tempo dopo il periodo di valutazione iniziale — il che significa che una valutazione RE-AIM completa non può essere completata in un singolo momento e richiede che la valutazione sia pianificata fin dall'inizio, non aggiunta retrospettivamente. Poiché riportare onestamente tutte e cinque le dimensioni (inclusi risultati deboli in alcune) è più lavoro e meno lusinghiero che riportare solo l'efficacia, le valutazioni di salute digitale pubblicate sotto-riportano in modo sproporzionato Reach, Adoption e Maintenance rispetto all'Effectiveness — un noto schema di bias di pubblicazione a cui dovrebbe prestare attenzione chiunque usi evidenze etichettate RE-AIM per informare una decisione.
Errori comuni
- Riportare solo l'efficacia e chiamarla una valutazione RE-AIM: usare il nome RE-AIM mentre si riporta solo una delle cinque dimensioni mina lo scopo del quadro e non dovrebbe essere descritto come una valutazione RE-AIM.
- Misurare Reach e Adoption come numeri grezzi invece che come quote della popolazione idonea: un grande numero grezzo di partecipanti può comunque rappresentare una piccola porzione non rappresentativa di chi l'intervento dovrebbe idealmente raggiungere; calcolare sempre rispetto al denominatore idoneo completo.
- Valutare il Maintenance troppo presto: l'istituzionalizzazione e l'effetto sostenuto possono essere valutati correttamente solo molto tempo dopo che gli effetti iniziali di finanziamento o novità si sono attenuati; una valutazione immediatamente dopo la fine di un pilot non può dire nulla sul Maintenance, indipendentemente da come appaiono le altre quattro dimensioni.
- Trattare le cinque dimensioni come ugualmente ponderate o combinabili in un unico punteggio: RE-AIM è deliberatamente un profilo multidimensionale, non un singolo numero; combinare le dimensioni in un punteggio composito elimina proprio la visibilità dei compromessi che il quadro è progettato per preservare.
Fonti
- Glasgow, Vogt e Boles, "Evaluating the public health impact of health promotion interventions: the RE-AIM framework", American Journal of Public Health, il quadro originariamente pubblicato
- RE-AIM.org, la risorsa pubblica mantenuta del quadro per metriche, strumenti di pianificazione e applicazioni pubblicate
- Letteratura peer-reviewed che applica RE-AIM specificamente agli interventi di salute digitale, ad esempio studi pubblicati su Journal of Medical Internet Research (JMIR) e Translational Behavioral Medicine
Vedi anche: tasso di accesso digitale e tasso di fidelizzazione degli utenti, due metriche in questo libro che si allineano strettamente rispettivamente con le dimensioni Reach e Maintenance di RE-AIM.