TESTING THE IMPLEMENTATION FRAMEWORK FOR BEHAVIORAL AND LIFESTYLE INTERVENTIONS IN ALZHEIMER’S DISEASE (MOBILIZE)
Notice bibliographique
Résumé
Abstract Introduction Implementing multi-site behavioral intervention trials in Alzheimer’s disease (AD) has many unique challenges, leading to substantial variations in delivered intervention doses and cognitive findings. These issues can be addressed by the IMplementation Framework fOr Behavioral and LIfestyLe Interventions In AlZheimer’s DiseasE (MOBILIZE) that was developed to guide the design and implementation of behavioral interventions in AD. Methods This study systematically evaluated the implementation outcomes of the multi-site aerobic exercise and cognitive training (ACT) trial that employed MOBILIZE. Building on the person-centered care principle, MOBILIZE includes three implementation outcomes (screening, intervention adherence, and safety) with corresponding team processes to guide trial implementation. Screening was operationalized as the duration (days) between each screening visit, last screening visit to enrollment, and enrollment to first intervention session. Intervention adherence outcomes included: adherence (attendance), session dose adherence (calculated by dividing the number of sessions that achieved >=70% of the prescribed session dose / total number of sessions completed), and days required to complete the prescribed 72 sessions. Safety was operationalized as the type, number, and severity of study-related adverse events (AEs). RESULTS. The sample (n=146) was 73.8±5.7 years in age and 23.4±2.1 on Montreal Cognitive Assessment score, with 48.0% female, and 91.8% white. Screening-to-enrollment averaged 117.4±71.7 days. Intervention adherence was 77.4%±28.3%. There was 9-study related adverse events. Screening-to-enrollment and intervention adherence differed across sites, mainly due to COVID-19 influence. CONCLUSIONS. MOBILIZE helped the ACT Trial achieve high intervention adherence and safety and may be particularly important for early-stage and multi-site trials in AD.
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 | 0,166 | 0,121 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».