Addressing fidelity within complex health behaviour change interventions: a scoping review of fidelity frameworks and models
Notice bibliographique
Résumé
Fidelity is an important but under-addressed aspect of health behaviour change intervention research. Consensus is lacking regarding terminology, definitions, and conceptualisations. Fidelity frameworks and models can help people address fidelity in a structured way and ensure clarity and consistency of terminology, but they are underutilised to date. We aimed to identify and describe existing fidelity frameworks/models and compare these in terms of fidelity constructs included. We conducted a scoping review using a pre-specified search, dual independent screening, and data extraction. We analysed data using basic descriptive statistics and qualitative content analysis. We identified 20 fidelity frameworks/models. All frameworks/models included constructs relating to intervention delivery. All frameworks/models also included additional constructs; however, there was a lack of consensus across these, and whether they are components or moderators of fidelity. For health behaviour change researchers wishing to address fidelity, selecting a comprehensive framework/model that facilitates consideration of multiple constructs and that aligns with their intended purpose and context may be beneficial. Fidelity is a multi-faceted concept of which delivery is an important, but not the only, construct. Findings will help researchers consider fidelity in greater depth, apply and refine existing frameworks/models, and improve how fidelity is addressed in future behavioural interventions.
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 | 0,164 | 0,356 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,008 | 0,012 |
| Bibliométrie | 0,026 | 0,024 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».