MétaCan
Menu
Retour à la cohorte
Enregistrement W2159418632 · doi:10.1136/bmj.321.7262.694

Framework for design and evaluation of complex interventions to improve health

2000· article· en· W2159418632 sur OpenAlexaff
Marion Campbell

Notice bibliographique

RevueBMJ · 2000
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensMedical Council of Canada
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionIntervention (counseling)Management scienceProcess (computing)Computer scienceMedicineProcess managementRisk analysis (engineering)Medical educationNursingEngineering

Résumé

récupéré en direct d'OpenAlex

Randomised controlled trials are widely accepted as the most reliable method of determining effectiveness, but most trials have evaluated the effects of a single intervention such as a drug. Recognition is increasing that other, non-pharmacological interventions should also be rigorously evaluated.1-3 This paper examines the design and execution of research required to address the additional problems resulting from evaluation of complex interventions—that is, those “made up of various interconnecting parts.”4 The issues dealt with are discussed in a longer Medical Research Council paper (www.mrc.ac.uk/complex_packages.html). We focus on randomised trials but believe that this approach could be adapted to other designs when they are more appropriate. #### Summary points Complex interventions are those that include several components The evaluation of complex interventions is difficult because of problems of developing, identifying, documenting, and reproducing the intervention A phased approach to the development and evaluation of complex interventions is proposed to help researchers define clearly where they are in the research process Evaluation of complex interventions requires use of qualitative and quantitative evidence There are specific difficulties in defining, developing, documenting, and reproducing complex interventions that are subject to more variation than a drug. A typical example would be the design of a trial to evaluate the benefits of specialist stroke units. Such a trial would have to consider the expertise of various health professionals as well as investigations, drugs, treatment guidelines, and arrangements for discharge and follow up. Stroke units may also vary in terms of organisation, management, and skill mix. The active components of the stroke unit may be difficult to specify, making it difficult to replicate the intervention. The box gives other examples of complex interventions. #### Examples of complex interventions Service delivery and organisation: Stroke units Hospital at home Interventions directed at health professionals' behaviour: Strategies for implementing guidelines Computerised decision support Community interventions: Community …

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,328
score de la tête « metaresearch » (Gemma)0,210
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,672
Score d'incertitude au seuil0,829

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,3280,210
Méta-épidémiologie (sens strict)0,0070,003
Méta-épidémiologie (sens large)0,0060,008
Bibliométrie0,0090,007
Études des sciences et des technologies0,0040,017
Communication savante0,0140,009
Science ouverte0,0130,010
Intégrité de la recherche0,0130,011
Charge utile insuffisante (le modèle a refusé de juger)0,0280,007

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 Opus0,687
Tête enseignante GPT0,655
Écart entre enseignants0,032 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

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

En bref

Citations3 540
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetClinical practice guidelines implementationTravaux en français237 207