Key Design Considerations Using a Cohort Stepped-Wedge Cluster Randomised Trial in Evaluating Community-Based Interventions: Lessons Learnt from an Australian Domiciliary Aged Care Intervention Evaluation
Notice bibliographique
Résumé
The ‘stepped-wedge cluster randomised trial’ (SW-CRT) harbours promise when for ethical or practical reasons the recruitment of a control group is not possible or when a staggered implementation of an intervention is required. Yet SW-CRT designs can create considerable challenges in terms of methodological integration, implementation, and analysis. While cross-sectional methods in participants recruitment of the SW-CRT have been discussed in the literature the cohort method is a novel feature that has not been considered yet. This paper provides a succinct overview of the methodological, analytical, and practical aspects of cohort SW-CRTs. We discuss five issues that are of special relevance to SW-CRTs. First, issues relating to the design, secondly size of clusters and sample size; thirdly, dealing with missing data in the fourth place analysis; and finally, the advantages and disadvantages of SW-CRTs are considered. An Australian study employing a cohort SW-CRT to evaluate a domiciliary aged care intervention is used as case study. The paper concludes that the main advantage of the cohort SW-CRT is that the intervention rolls out to all participants. There are concerns about missing a whole cluster, and difficulty of completing clusters in a given time frame due to involvement frail older people. Cohort SW-CRT designs can be successfully used within public health and health promotion context. However, careful planning is required to accommodate methodological, analytical, and practical challenges.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,594 | 0,587 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,010 | 0,007 |
| Intégrité de la recherche | 0,014 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».