Identifying behaviour change techniques within randomized trials of interventions promoting deceased organ donation registration
Notice bibliographique
Résumé
OBJECTIVE: Increasing deceased organ donation registration may increase the number of available organs for transplant to help save lives. This study aimed to identify which behaviour change techniques (BCTs; or 'active ingredients') are reported within randomized trials of interventions promoting deceased organ donation registration and of those, which are associated with a larger intervention effect. METHODS: We conducted a secondary analysis of 45 trials included in a Cochrane systematic review of deceased organ donation registration interventions. Two researchers used the BCT Taxonomy v1 to independently code intervention content in all trial groups. Outcome data were pooled and we used meta-regression to explore associations between individual and combinations of recurring BCTs and effect on registration intention and/or registration behaviour. RESULTS: A total of 27 different BCTs (mean = 3.7, range = 1-9) were identified in intervention groups across the 45 trials. The five most common BCTs were: 'Information about health consequences' (71%); 'Instruction on how to perform the behaviour' (47%); 'Salience of consequences' (40%); 'Adding objects to the environment' (28%); and 'Credible source' (27%). Comparator groups in 20/45 trials also included identifiable BCTs (n = 12, mean = 3.1, range = 1-7). Meta-regression revealed that a combination of the three most common BCTs was associated with a larger intervention effect size for registration behaviour (k = 8, β = .19, p = .02). CONCLUSIONS: Trials of deceased organ donation registration interventions focus predominantly on providing information, instruction, and a means to register. While potentially effective, a much wider set of possible BCTs could be leveraged to address known barriers to registration.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».