MétaCan
Menu
Retour à la cohorte
Enregistrement W4288767312 · doi:10.2196/37900

The Impact of a Clinical Decision Support System for Addressing Physical Activity and Healthy Eating During Smoking Cessation Treatment: Hybrid Type I Randomized Controlled Trial

2022· article· en· W4288767312 sur OpenAlexafffundabout
Nadia Minian, Mathangee Lingam, Rahim Moineddin, Kevin E. Thorpe, Scott Veldhuizen, Rosa Dragonetti, Laurie Zawertailo, Valerie H. Taylor, Margaret Hahn, Wayne K. deRuiter, Osnat C. Melamed, Peter Selby

Notice bibliographique

RevueJournal of Medical Internet Research · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensUniversity of CalgarySt. Michael's HospitalPublic Health OntarioUniversity of TorontoDiabetes CanadaCentre for Addiction and Mental Health
Organismes subventionnairesUniversity of TorontoMedical Psychiatry AlliancePublic Health AgencyPublic Health Agency of CanadaCentre for Addiction and Mental Health
Mots-clésMedicineSmoking cessationRandomized controlled trialAbstinencePhysical therapyPsychological interventionInternal medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Background People who smoke have other risk factors for chronic diseases, such as low levels of physical activity and poor diet. Clinical decision support systems (CDSSs) might help health care practitioners integrate interventions for diet and physical activity into their smoking cessation programming but could worsen quit rates. Objective The aims of this study are to assess the effects of the addition of a CDSS for physical activity and diet on smoking cessation outcomes and to assess the implementation of the study. Methods We conducted a pragmatic hybrid type I effectiveness-implementation trial with 232 team-based primary care practices in Ontario, Canada, from November 2019 to May 2021. We used a 2-arm randomized controlled trial comparing a CDSS addressing physical activity and diet to treatment as usual and used the Reach, Effectiveness, Adoption, Implementation, and Maintenance framework to measure implementation outcomes. The primary outcome was self-reported 7-day tobacco abstinence at 6 months. Results We enrolled 5331 participants in the study. Of these, 2732 (51.2%) were randomized to the intervention group and 2599 (48.8%) to the control group. At the 6-month follow-up, 29.7% (634/2137) of respondents in the intervention arm and 27.3% (552/2020) in the control arm reported abstinence from tobacco. After multiple imputation, the absolute group difference was 2.1% (95% CI −0.5 to 4.6; F1,1000.42=2.43; P=.12). Mean exercise minutes changed from 32 (SD 44.7) to 110 (SD 196.1) in the intervention arm and from 32 (SD 45.1) to 113 (SD 195.1) in the control arm (group effect: B=−3.7 minutes; 95% CI −17.8 to 10.4; P=.61). Servings of fruit and vegetables changed from 2.64 servings to 2.42 servings in the intervention group and from 2.52 servings to 2.45 servings in the control group (incidence rate ratio for intervention group=0.98; 95% CI 0.93-1.02; P=.35). Conclusions A CDSS for physical activity and diet may be added to a smoking cessation program without affecting the outcomes. Further research is needed to improve the impact of integrated health promotion interventions in primary care smoking cessation programs. Trial Registration ClinicalTrials.gov NCT04223336 https://www.clinicaltrials.gov/ct2/show/NCT04223336 International Registered Report Identifier (IRRID) RR2-10.2196/19157

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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,005
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,641
Tête enseignante GPT0,741
Écart entre enseignants0,099 · 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'étudeEssai randomisé
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

Citations8
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetHealth Policy Implementation ScienceTravaux en français237 207