The use of mediation analysis in evaluation of complex health interventions
Notice bibliographique
Résumé
This article presents an application of the causal inference approach to mediation analysis using the example of a complex intervention that aimed to improve the quality of care at health centres in Uganda. Mediation analysis is a statistical method that aims to isolate the causal mechanisms that make an intervention work in a given context. We combined data from a cluster randomized control trial and a mixed-methods process evaluation. We developed two causal models following our hypotheses of how the intervention was intended to work through mechanisms at health centres to improve health outcomes in the community. In adjusted analyses, there was evidence of an effect of the intervention on some health centre mechanisms; however, these did not lead to improvements in community health outcomes. We discuss the practical and epistemological challenges encountered when using mediation analysis to evaluate a complex intervention. These findings will inform future evaluations. Trial registration: The trial reported in this article is registered at: clinicaltrials.gov, NCT01024426. Registered 2 December 2009, https://clinicaltrials.gov/ct2/show/record/NCT01024426?term=NCT01024426&draw=2&rank=1
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 | 0,594 | 0,751 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,008 | 0,015 |
| Science ouverte | 0,006 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».