Examining the influence of treatment preferences on attrition, adherence and outcomes: a protocol for a two-stagepartially randomized trial
Notice bibliographique
Résumé
Background: Empirical evidence pertaining to the influence of treatment preferences on attrition, adherence and outcomes in intervention evaluation trials is inconsistent. The inconsistency can be explained by the method used for allocating treatment and measuring preferences. The current methodological study is designed to address these factors by implementing the two-stage partially randomized or preference trial design, and administering a validated measure to assess participants’ preferences for the treatments under evaluation. It aims to compare attrition, adherence and outcomes for participants allocated randomly or by preference to treatment. The study is in its final stages of data collection; its protocol is presented in this paper. Methods/Design: A partially randomized clinical or preference trial is used. Eligible participants are randomized to two trial arms. First is the random arm involving random assignment to treatments, and second is the preference arm involving allocation to the chosen treatment. Participants with chronic insomnia are targeted. Two behavioral treatments are offered, stimulus control therapy and sleep restriction therapy, in the same format (small group) and dose (two sessions given over a 4-week period). A participant log is used to collect data on attrition. Adherence is evaluated in terms of exposure and enactment of treatment. Sleep-related outcomes (sleep parameters and perceived insomnia severity) are measured at pretest, posttest, 6 and 12 month follow-up. Treatment preferences, adherence and outcomes are assessed with reliable and valid measures. Discussion: The advantages and limitations of the preference trial design are highlighted. The challenges in implementing the trial are discussed relative to the distribution of participants in the groups defined by treatment received and method of treatment allocation. Trial registration: ClinicalTrials.gov Registry NCT02513017
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 | 0,190 | 0,210 |
| Méta-épidémiologie (sens strict) | 0,008 | 0,005 |
| Méta-épidémiologie (sens large) | 0,011 | 0,010 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,014 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,016 |
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 source (Gemma direct ou Codex distillé), 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 ».