病情或疾病 | 干预/治疗 |
---|---|
酒精使用,未指定的药物使用毒化酒精紧急情况COVID-19大流行治疗 | 其他:救护人员出席 |
主要目的是在大流行锁定期间以及随后的几个月中探索涉及酒精和/或物质使用的事件的救护车服务出勤。这将是确定患病率,并探索诸如患者性别,年龄,种族或位置之类的因素。分析将检查锁定前一年中的电话,然后将其与锁定期和随后的几个月进行比较。
将进行时间序列分析,以检查锁定前一年中的电话,然后将其与锁定期和随后的几个月进行比较。这将使用“中断时间序列”(其)方法。为了探索这种回归模型,将建立研究大流行前出勤的因果模型,并将其与锁定时间框架进行了比较。
将建立多变量回归模型。最初,有向的无环图(DAG)将允许识别混杂因素和与模型相关的暴露。与锁定之前的数据相比,将使用逻辑回归模型来计算锁定过程中呼叫的相对风险。该模型将使用p <0.05作为统计显着性的定义拟合。
描述性统计,趋势分析和预测分析将对数据集进行,以确定跨时间的趋势,预测需要救护车出勤率的患者的因素以及预测治疗结果的因素。将检查缺少的数据是否有系统的偏差,并且发现随机缺失的地方将被排除在分析之外。如果不随机缺失,将进行灵敏度分析。
分析将检查协变量。年龄将定义为单年连续变量,并在5岁年龄段之类的类别中进行检查。种族将被归类为群体,例如黑人,亚洲,其他少数民族和混血群体。人口普查数据,例如剥夺,乡村,收入,就业,残疾和教育,将研究所定义的十分列。
研究类型 : | 观察 |
估计入学人数 : | 55000参与者 |
观察模型: | 只有案例 |
时间观点: | 回顾 |
官方标题: | 救护车呼吁在大流行中使用药物使用和酒精(尽快):探索涉及物质和/或饮酒期间的事件的出勤率 |
实际学习开始日期 : | 2019年3月23日 |
估计的初级完成日期 : | 2021年3月23日 |
估计 学习完成日期 : | 2021年3月23日 |
组/队列 | 干预/治疗 |
---|---|
听和待遇 电话,治疗,未参加 | |
看和对待 救护人员参加了 | 其他:救护人员出席 听到,出勤,传达 |
有资格学习的年龄: | 儿童,成人,老年人 |
有资格学习的男女: | 全部 |
接受健康的志愿者: | 是的 |
采样方法: | 非概率样本 |
纳入标准:
排除标准:
联系人:Graham Law,博士 | 07905008828 | glaw@lincoln.ac.uk | |
联系人:Sam Lewis | samlewis@lincoln.ac.uk |
英国 | |
林肯大学 | 招募 |
林肯,英国,LN64PB | |
联系人:Graham Law,博士07905008828 glaw@lincoln.ac.uk |
首席研究员: | Graham Law,博士 | 林肯大学 |
追踪信息 | |||||||||
---|---|---|---|---|---|---|---|---|---|
首先提交日期 | 2020年7月12日 | ||||||||
第一个发布日期 | 2020年7月16日 | ||||||||
上次更新发布日期 | 2020年7月16日 | ||||||||
实际学习开始日期 | 2019年3月23日 | ||||||||
估计的初级完成日期 | 2021年3月23日(主要结果度量的最终数据收集日期) | ||||||||
当前的主要结果指标 | 酒精和吸毒的出勤率[时间范围:完整数据集23/03/2019,而2021年3月22日,在时间序列中查看中断(锁定)。这是给出的 东米德兰(East Midland)的救护车服务在整个时期内饮酒和吸毒的出勤率。这将是每天参加人数的人数。 | ||||||||
原始主要结果指标 | 与电流相同 | ||||||||
改变历史 | 没有发布更改 | ||||||||
当前的次要结果指标 | 不提供 | ||||||||
原始的次要结果指标 | 不提供 | ||||||||
当前其他预先指定的结果指标 | 不提供 | ||||||||
原始其他预先指定的结果指标 | 不提供 | ||||||||
描述性信息 | |||||||||
简短标题 | 救护车要求在大流行中使用药物和酒精(尽快) | ||||||||
官方头衔 | 救护车呼吁在大流行中使用药物使用和酒精(尽快):探索涉及物质和/或饮酒期间的事件的出勤率 | ||||||||
简要摘要 | 主要目的是在大流行锁定期间以及随后的几个月中探索涉及酒精和/或物质使用的事件的救护车服务出勤。这将是确定患病率,并探索诸如患者性别,年龄,种族或位置之类的因素。分析将检查锁定前一年中的电话,然后将其与锁定期和随后的几个月进行比较。 | ||||||||
详细说明 | 主要目的是在大流行锁定期间以及随后的几个月中探索涉及酒精和/或物质使用的事件的救护车服务出勤。这将是确定患病率,并探索诸如患者性别,年龄,种族或位置之类的因素。分析将检查锁定前一年中的电话,然后将其与锁定期和随后的几个月进行比较。 将进行时间序列分析,以检查锁定前一年中的电话,然后将其与锁定期和随后的几个月进行比较。这将使用“中断时间序列”(其)方法。为了探索这种回归模型,将建立研究大流行前出勤的因果模型,并将其与锁定时间框架进行了比较。 将建立多变量回归模型。最初,有向的无环图(DAG)将允许识别混杂因素和与模型相关的暴露。与锁定之前的数据相比,将使用逻辑回归模型来计算锁定过程中呼叫的相对风险。该模型将使用p <0.05作为统计显着性的定义拟合。 描述性统计,趋势分析和预测分析将对数据集进行,以确定跨时间的趋势,预测需要救护车出勤率的患者的因素以及预测治疗结果的因素。将检查缺少的数据是否有系统的偏差,并且发现随机缺失的地方将被排除在分析之外。如果不随机缺失,将进行灵敏度分析。 分析将检查协变量。年龄将定义为单年连续变量,并在5岁年龄段之类的类别中进行检查。种族将被归类为群体,例如黑人,亚洲,其他少数民族和混血群体。人口普查数据,例如剥夺,乡村,收入,就业,残疾和教育,将研究所定义的十分列。 | ||||||||
研究类型 | 观察 | ||||||||
学习规划 | 观察模型:仅病例 时间观点:回顾 | ||||||||
目标随访时间 | 不提供 | ||||||||
生物测量 | 不提供 | ||||||||
采样方法 | 非概率样本 | ||||||||
研究人群 | 所有在紧急情况下响999或111的人。 | ||||||||
健康)状况 |
| ||||||||
干涉 | 其他:救护人员出席 听到,出勤,传达 | ||||||||
研究组/队列 |
| ||||||||
出版物 * | 不提供 | ||||||||
*包括由数据提供商提供的出版物以及Medline中临床标识符(NCT编号)的出版物。 | |||||||||
招聘信息 | |||||||||
招聘状况 | 招募 | ||||||||
估计入学人数 | 55000 | ||||||||
原始估计注册 | 与电流相同 | ||||||||
估计学习完成日期 | 2021年3月23日 | ||||||||
估计的初级完成日期 | 2021年3月23日(主要结果度量的最终数据收集日期) | ||||||||
资格标准 | 纳入标准:
排除标准:
| ||||||||
性别/性别 |
| ||||||||
年龄 | 儿童,成人,老年人 | ||||||||
接受健康的志愿者 | 是的 | ||||||||
联系人 |
| ||||||||
列出的位置国家 | 英国 | ||||||||
删除了位置国家 | |||||||||
管理信息 | |||||||||
NCT编号 | NCT04474444 | ||||||||
其他研究ID编号 | ASAP01 | ||||||||
有数据监测委员会 | 不 | ||||||||
美国FDA调节的产品 |
| ||||||||
IPD共享声明 |
| ||||||||
责任方 | 林肯大学 | ||||||||
研究赞助商 | 林肯大学 | ||||||||
合作者 | 不提供 | ||||||||
调查人员 |
| ||||||||
PRS帐户 | 林肯大学 | ||||||||
验证日期 | 2020年7月 |