MétaCan
Menu
Retour à la cohorte
Enregistrement W2981212411 · doi:10.1136/bmjopen-2019-029542

Factors associated with patient-reported likelihood of using online self-care interventions: a Scleroderma Patient-centered Intervention Network (SPIN) cohort study

2019· article· en· W2981212411 sur OpenAlexafffundabout
Linda Kwakkenbos, Julie Cumin, Marie‐Eve Carrier, Susan J. Bartlett, Vanessa L. Malcarne, Luc Mouthon, Warren R. Nielson, François Rannou, Joep Welling, Brett D. Thombs

Notice bibliographique

RevueBMJ Open · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueSystemic Sclerosis and Related Diseases
Établissements canadiensSt Joseph's Health CareMcGill UniversityMcGill University Health CentreLawson Health Research InstituteJewish General Hospital
Organismes subventionnairesLady Davis Institute for Medical ResearchCanadian Institutes of Health ResearchScleroderma Association of British ColumbiaScleroderma Society of OntarioJewish General HospitalNational Center for Advancing Translational SciencesArthritis SocietyMcGill University
Mots-clésMedicinePsychological interventionIntervention (counseling)CohortCohort studyPhysical therapyFamily medicinePsychiatryPathology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The Scleroderma Patient-centered Intervention Network (SPIN) Cohort uses the cohort multiple randomised controlled trial design to embed trials of online self-care interventions for people living with systemic sclerosis (SSc; scleroderma). To offer interventions to patients interested in using them, participants complete signalling items that query about the likelihood that patients would agree to participate in nine different hypothetical online programmes addressing common SSc-related problems. It is not known what factors influence patient-reported interest in participating in a particular online intervention and if intervention-specific signalling questions provide unique information or replicate broader characteristics, such as overall willingness to participate or self-efficacy. This study assessed factors that explain responses to intervention-specific signalling items. DESIGN: Cross-sectional survey. SETTING: SPIN Cohort participants enrolled at 42 centres from Canada, the USA, the UK, France, Spain and Mexico who completed study questionnaires from March 2014 to January 2018 were included. MEASURES: Demographic and disease characteristics, self-efficacy and symptoms related to each specific intervention were completed in addition to signalling items. General likelihood of using interventions was calculating by taking the mean score of the remaining signalling questions. PARTICIPANTS: 1060 participants with complete baseline data were included in the analyses. RESULTS: For all individual signalling questions, controlling for other variables, the mean of the remaining signalling questions was the strongest predictor (standardised regression coefficient β from 0.61 (sleep) to 0.80 (self-management)). Smaller, but statistically significant, associations were found with the symptom associated with the respective signalling question and with general self-efficacy for 7 of 9 signalling questions. CONCLUSIONS: The main factor associated with patients' interest in participating in a disease-specific online self-care intervention is their general interest in participating in online interventions. Factors that may influence this general interest should be explored and taken into consideration when inviting patients to try online interventions.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,014
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,117
Tête enseignante GPT0,379
Écart entre enseignants0,262 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetSystemic Sclerosis and Related DiseasesTravaux en français237 207