Evaluating a complex intervention with a single outcome may not be a good idea: an example from a randomised trial of stroke case management
Notice bibliographique
Résumé
OBJECTIVES: to estimate the extent to which a case-management intervention for persons newly discharged into the community following an acute stroke effected a change in stroke outcome in comparison with usual care. DESIGN: a re-analysis of stratified, balanced, randomised clinical trial. SETTING: five university-affiliated acute-care hospitals in Montreal, Quebec, Canada. PARTICIPANTS: a total of 190 persons (mean age 70 years) returning home directly from the acute-care hospital following a first or recurrent stroke with a need for health-care supervision post-discharge because of low function, co-morbidity or isolation. INTERVENTION: for 6 weeks following discharge a nurse case manager delivered, depending on need, over 50 different nursing interventions (range 2-15 per person), which targeted physical, emotional and psychological impairments, role participation restrictions and health perception. MEASUREMENTS: seven of the SF-36 subscales were used to measure the targeted constructs, at the post-intervention and 6 month evaluations. Seven binary response variables were created with a change of 10 points the criterion for individual response. Generalised estimating equations, equivalent to a logistic regression for multiple outcomes, were used. RESULTS: the odds of responding to one or more outcomes was 41% greater in the intervention group than in the control group [odds ratio (OR): 1.41; 95% confidence interval (CI): 1.11-1.79]. CONCLUSION: an analysis considering the complexity of the intervention and outcomes targeted indicated effectiveness of the nurse case-management post-stroke, whereas the traditional one outcome analysis did not.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».