MétaCan
Menu
Retour à la cohorte
Enregistrement W3037151555 · doi:10.1093/tbm/ibaa053

Identifying behavior change techniques for inclusion in a complex intervention targeting antipsychotic prescribing to nursing home residents with dementia

2020· article· en· W3037151555 sur OpenAlexfundno aff
Kieran Walsh, Suzanne Timmons, Stephen Byrne, John Browne, Jenny McSharry

Notice bibliographique

RevueTranslational Behavioral Medicine · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensnon disponible
Organismes subventionnairesAlzheimer SocietyHealth Research Board
Mots-clésInclusion (mineral)DementiaNursingIntervention (counseling)Psychological interventionMedicineStakeholderDelphi methodStakeholder engagementPsychologySocial psychologyPublic relations

Résumé

récupéré en direct d'OpenAlex

Nursing home residents with dementia are commonly prescribed antipsychotics despite the associated increased risk of harms. Interventions to optimize prescribing practice have been found to be effective in the short term, but there is a lack of evidence to support sustainability of effects, along with a lack of theory, public involvement, and transparency in the intervention development process. Using theory has been advocated as a means of improving intervention sustainability. The aim of this study was, therefore, to identify behavior change techniques (BCTs) for inclusion in a complex intervention targeting antipsychotic prescribing to nursing home residents with dementia. A comprehensive approach to identifying a long list of all potential BCTs from three different sources was undertaken. The most appropriate BCTs were then selected through a two-round Delphi consensus survey with a broad range of experts (n = 18 panelists). Advisory groups of people with dementia, family carers, and professional stakeholders provided feedback on the final BCTs included. After two Delphi survey rounds, agreement was reached on 22 BCTs. Further refinement of the selected BCTs based on advisory group and panelists' feedback, along with use of the APEASE criteria (Affordability, Practicability, Effectiveness, Acceptability, Side effects/safety, and Equity) resulted in a final list of 16 BCTs. The next step in intervention development will be to identify the most appropriate mode of delivery of the 16 BCTs identified for inclusion. The study provides a case example of a systematic approach to incorporating evidence with stakeholder views in the identification of appropriate BCTs.

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)0,049
score de la tête « metaresearch » (Gemma)0,081
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,257

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,081
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,728
Tête enseignante GPT0,659
Écart entre enseignants0,069 · 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'étudeQualitatif
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTranslational Behavioral MedicineMême sujetHealth Policy Implementation ScienceTravaux en français237 207