MétaCan
Menu
Retour à la cohorte
Enregistrement W4389992555 · doi:10.1001/jamanetworkopen.2023.47630

Electronically Delivered Nudges to Increase Influenza Vaccination Uptake in Older Adults With Diabetes

2023· article· en· W4389992555 sur OpenAlexaff
Mats Christian Højbjerg Lassen, Niklas Dyrby Johansen, Muthiah Vaduganathan, Ankeet S. Bhatt, Simin Gharib Lee, Daniel Modin, Brian Claggett, Erica Dueger, Sandrine Samson, Matthew M. Loiacono, Michael Fralick, Lars Køber, Scott D. Solomon, Pradeesh Sivapalan, Jens‐Ulrik Stæhr Jensen, Cyril Jean‐Marie Martel, Tyra Grove Krause, Tor Biering‐Sørensen

Notice bibliographique

RevueJAMA Network Open · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensSinai Health SystemUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNudge theoryVaccinationDiabetes mellitusMedicineGerontologyPsychologyVirologySocial psychologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Importance: Influenza vaccination is associated with a reduced risk of mortality in patients with diabetes, but vaccination rates remain suboptimal. Objective: To assess the effect of electronic nudges on influenza vaccination uptake according to diabetes status. Design, Setting, and Participants: The NUDGE-FLU (Nationwide Utilization of Danish Government Electronic Letter System for Increasing Influenza Vaccine Uptake) trial was a nationwide clinical trial of Danish citizens 65 years or older that randomized participants at the household level to usual care or 9 different electronic nudge letters during the 2022 to 2023 influenza season. End of follow-up was January 1, 2023. This secondary analysis of the NUDGE-FLU trial was performed from May to July 2023. Intervention: Nine different electronic nudge letters designed to boost influenza vaccination were sent in September to October 2022. Effect modification by diabetes status was assessed in a pooled analysis of all intervention arms vs usual care and for individual letters. Main Outcomes and Measures: The primary end point was receipt of a seasonal influenza vaccine. Results: The trial included 964 870 participants (51.5% female; mean [SD] age, 73.8 [6.3] years); 123 974 had diabetes. During follow-up, 83.5% with diabetes vs 80.2% without diabetes received a vaccine (P < .001). In the pooled analysis, nudges improved vaccination uptake in participants without diabetes (80.4% vs 80.0%; difference, 0.37 percentage points; 99.55% CI, 0.08 to 0.66), whereas there was no evidence of effect in those with diabetes (83.4% vs 83.6%; difference, -0.19 percentage points; 99.55% CI, -0.89 to 0.51) (P = .02 for interaction). In the main results of NUDGE-FLU, 2 of the 9 behaviorally designed letters (cardiovascular benefits letter and a repeated letter) significantly increased uptake of influenza vaccination vs usual care; these benefits similarly appeared attenuated in participants with diabetes (cardiovascular gain letter: 83.7% vs 83.6%; difference, 0.04 percentage points; 99.55% CI, -1.52 to 1.60; repeated letter: 83.5% vs 83.6%; difference, -0.15 percentage points; 99.55% CI, -1.71 to 1.41) vs those without diabetes (cardiovascular gain letter: 81.1% vs 80.0%; difference, 1.06 percentage points; 99.55% CI, 0.42 to 1.70; repeated letter: 80.9% vs 80.0%; difference, 0.87 percentage points; 99.55% CI, 0.22 to 1.52) (P = .07 for interaction). Conclusions and Relevance: In this exploratory subgroup analysis, electronic nudges improved influenza vaccination uptake in persons without diabetes, whereas there was no evidence of an effect in persons with diabetes. Trials are needed to investigate the effect of digital nudges specifically tailored to individuals with diabetes. Trial Registration: ClinicalTrials.gov Identifier: NCT05542004.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil0,762

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,032
Tête enseignante GPT0,347
Écart entre enseignants0,315 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetInfluenza Virus Research StudiesTravaux en français237 207