MétaCan
Menu
Retour à la cohorte
Enregistrement W1969073222 · doi:10.3109/01942638.2013.866612

Interrupted Time Series Design: A Useful Approach for Studying Interventions Targeting Participation

2013· article· en· W1969073222 sur OpenAlexafffund
Dana Anaby, Shalini Lal, Justine Huszczynski, Jana Maich, J. W. Rogers, Mary Law

Notice bibliographique

RevuePhysical & Occupational Therapy In Pediatrics · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensMcMaster UniversityMcGill University
Organismes subventionnairesMcMaster University
Mots-clésPsychological interventionRandomized controlled trialPerspective (graphical)Management scienceResearch designClinical study designComputer scienceComparative effectiveness researchMedicinePsychologyClinical trialRisk analysis (engineering)Alternative medicineNursingEngineeringArtificial intelligenceSociology

Résumé

récupéré en direct d'OpenAlex

Comparative effectiveness research (CER) strives for evidence to inform clinical decisions for specific clients in typical health care settings. While the randomized controlled trial (RCT) is well-aligned with the objectives of CER, this design may not be feasible or applicable to all research questions, particularly those pertaining to clinical decision making and individually based change. It is important, therefore, to consider alternative approaches, especially when studying complex and subjective outcomes such as children's participation. We propose the use of interrupted time series (ITS) quasi-experimental design for its potential application in determining the effectiveness of participation-focused interventions. In this perspective, ITS design is described, ascertaining its advantages and limitations, and suggestions are provided to overcome challenges to implementation. Results of a case study using the ITS approach to evaluate changes in participation of an adolescent with physical disabilities are described. Finally, strategies to implement this design in practice are suggested.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,677

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,666
Tête enseignante GPT0,633
Écart entre enseignants0,033 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhysical & Occupational Therapy In PediatricsMême sujetHealth Policy Implementation ScienceTravaux en français237 207