The use of theory in the development and evaluation of behaviour change interventions to improve antimicrobial prescribing: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: This systematic review (SR) reviews the evidence on use of theory in developing and evaluating behaviour change interventions (BCIs) to improve clinicians' antimicrobial prescribing (AP). METHODS: The SR protocol was registered with PROSPERO. Eleven databases were searched from inception to October 2018 for peer-reviewed, English-language, primary literature in any healthcare setting and for any medical condition. This included research on changing behavioural intentions (e.g. in simulated scenarios) and research measuring actual AP. All study designs/methodologies were included. Excluded were: grey literature and/or those which did not state a theory. Two reviewers independently extracted and quality assessed the data. The Theory Coding Scheme (TCS) evaluated the extent of the use of theory. RESULTS: Searches found 4227 potentially relevant papers after removal of duplicates. Screening of titles/abstracts led to dual assessment of 38 full-text papers. Ten (five quantitative, three qualitative and two mixed-methods) met the inclusion criteria. Studies were conducted in the UK (n = 8), Canada (n = 1) and Sweden (n = 1), most in primary care settings (n = 9), targeting respiratory tract infections (n = 8), and medical doctors (n = 10). The most common theories used were Theory of Planned Behaviour (n = 7), Social Cognitive Theory (n = 5) and Operant Learning Theory (n = 5). The use of theory to inform the design and choice of intervention varied, with no optimal use as recommended in the TCS. CONCLUSIONS: This SR is the first to investigate theoretically based BCIs around AP. Few studies were identified; most were suboptimal in theory use. There is a need to consider how theory is used and reported and the systematic use of the TCS could help.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».