條文本
PDF
摘要
客觀的本研究的目的是描述一種循序漸進的方法來研究哪些環境因素可能會調節保健幹預措施的效果，並在D-SCOPE項目中測試該方法的可行性。
設計探索性案例研究。
設置在D-SCOPE項目中，通過家庭訪問的方式建立了一個複雜的幹預措施，以改善三個城市(根特、Knokke-Heist和Tienen)的定製護理。
方法研究人員設計並測試了一種方法，包括五個步驟:(1)對相關語境因素域進行理論/概念討論;(2)通過搜索找到合適的網絡公共數據集，該數據集包含這些主題的標準化信息;(3)列出所有確定的上下文因素(存貨);(4)為了減少上下文因素的長列表，基於兩位獨立審核員的意見，開發了一個最相關的上下文因素簡明列表。(5)應用了名義分組技術(NGT)。
結果三個基於網絡的公共數據集產生了157個上下文因素的清單。經過兩名獨立審稿人的篩選，剩下41個語境因子，在NGT中選出10個語境因子。NGT包括7名研究人員，他們都熟悉D-SCOPE幹預，具有不同的教育背景和專業知識，持續時間約1小時。
結論本研究表明，五步法是可行的，以確定可能影響幹預研究結果的相關背景因素。這些信息可用於校正統計分析和解釋幹預研究的結果。
NCT03168204
- 公共衛生
- 衛生服務行政和管理
- 初級護理
數據可用性聲明
如有合理要求，可提供資料。數據是可用的。
這是一篇根據創作共用署名非商業性(CC BY-NC 4.0)許可發布的開放獲取文章，該許可允許其他人以非商業的方式發布、重新製作、改編、構建本作品，並以不同的條款授權他們的衍生作品，前提是正確引用了原始作品，給出了適當的榮譽，表明了所做的任何更改，並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
來自Altmetric.com的統計
本研究的優勢與局限性
背景在幹預研究中的作用經常被忽略。
萬維網提供了一個研究幹預設置的機會。
本研究以五個步驟為基礎，提供了統一的標準化方法。
利用在線數據庫分析當地環境是可行的。
目前的方法隻展示了一項研究的一小部分背景，而不是全部背景。
簡介
隨機對照試驗(rct)被廣泛認為是鑒別幹預措施與其預定結果之間因果關係的黃金標準。一些批評人士認為，在複雜公共衛生幹預措施的隨機試驗方麵，研究人員未能解決幹預措施組成部分之間以及與當地環境之間的相互作用。1 - 3在文獻中，“語境”的概念指的是社會情境的空間和製度位置，包括固有的規範、價值和相互關係，並描述了項目引入的條件的特征。1 3複雜幹預措施的關鍵特征是:(1)交互成分的數量(實施或接受幹預措施的人需要的行為數量和複雜性)，(2)幹預措施針對的群體或組織級別的數量，(3)結果的數量和可變性，以及(4)允許的幹預措施的靈活性或裁剪程度。4由於幹預措施幾乎總是被引入不同的環境(如城市、社區、診所)，幹預措施激活的機製將根據明顯不同的環境條件而不同。由於幹預所激活的背景和機製的相關變化，其結果可能具有混合的結果模式。1在複雜幹預措施的隨機對照試驗中，人們往往忽略了實施者的角色、當地環境和其他可能緩和幹預效果的因素。2個5一些作者認為，某些環境支持幹預，而有些則不支持。1“國家老年人護理計劃”(2008-2016年)也強調了納入背景相關因素的必要性，該計劃是荷蘭政府資助的全國性計劃。它的目標是為老年人開發一個更積極、更綜合的醫療保健係統。其中一項開展了70多項科學項目，其中包括9項大規模試驗。這9項前瞻性初級保健規劃均未顯示對日常功能有臨床相關影響。在過程評估之後，作者得出結論，在研究中，應該更多地關注環境因素，並且需要開發一種統一的方法，以標準化的方式研究當地的環境。6目前，語境在複雜幹預中的重要性和對語境的理解受到了越來越多的關注。7 8在設計複雜的幹預措施和考慮環境因素時，存在一些指導原則來支持研究人員。7 - 10廣泛的研究方法可以用來更好地理解幹預操作的背景，盡管重點是定性方法，而不是定量方法。7 8如今，大量的信息可以在網上找到，而這些信息在過去是無法獲得或很難找到的。萬維網為研究人員提供了一個研究幹預措施設置的機會。然而，尚不清楚網上的信息是否有助於研究和比較當地的情況。
目前的研究是老年人檢測、支持和護理:預防和賦權(D-SCOPE)項目的一部分，該項目是一個有組織的試驗，旨在使比利時佛蘭德斯(Flanders)的三個城市的老年人能夠很好地變老。在基線評估之後，市政社會服務部門的一名專業人員聯係了被分配到實驗中的參與者進行家訪。在家訪期間，專業人員探討了老年人的能力，需求和偏好。專業人員根據基線評估和家訪的結果提出了一種幹預方式。在征詢參加者意見後，當局作出有關有針對性的照顧和支援的決定。幹預措施取決於市政當局是否提供照料和支助服務，可以是正式的(如家庭照料)或非正式的(如老年人協會的活動)。來自市政社會服務部門的一名專業人員監測參與者得到的是何種護理。市政府的一名專業人員每月都會通過電話聯係實驗組的所有參與者。聯係的目的是:(1)驗證額外的護理和支持是否已經發起並仍在進行，(2)確定新的護理需求，(3)評估參與者對所給予的護理和支持的滿意度。11作為D-SCOPE項目的一部分，我們想知道哪些環境因素可能會影響/調節家訪及其相關的定製護理和支持的效果。這些信息有助於解釋D-SCOPE幹預研究的結果，並有助於了解哪些背景可能支持家訪，哪些可能不支持。
在本研究中，我們描述了一種研究方法，研究環境因素可能會調節保健幹預的效果，並將這種方法應用於D-SCOPE幹預。由於基於web的公共數據通常很容易獲得，所以我們主要關注來自這些資源的上下文數據。為了確定分析當地環境的可行性，回答了以下研究問題:(1)這三個城市是否有相關的標準化網絡公共數據?(2)如何確定最可能與幹預互動並調節其結果的情境因素?
方法
設計
為了測試在隨機對照試驗中確定相關背景因素的可行性，有人對D-SCOPE項目中的三個城市進行了探索性案例研究。11D-SCOPE試驗的參與城市是佛蘭德斯的根特、諾克-海斯特和Thienen在線補充文件1:佛蘭德斯地圖)。因此，隻考慮了這三個城市的背景因素。在下麵的內容中，有人描述了該方法的不同步驟:
五步方法
由於其幹預的複雜性，並取決於市政當局能否提供護理和支持服務，其效果可能與環境有關。12 - 14為了確定D-SCOPE項目內的相關上下文因素，采取了五個步驟(見圖1)．
確定假定最相關的上下文因素的五步法流程圖。
第一步:相關語境因素域的理論/概念討論
作者(第一，第二和最後)組織了一次會議，討論D-SCOPE幹預應涵蓋的主題，這意味著數據應滿足哪些特征被包括在內。組織會議的動機是基於Van der Elst的元分析結果等5以及兩位合著者(第二和最後一位作者)的專業經驗。在這次會議的準備工作中，第一作者尋找科學的方法，在幹預研究和有關背景因素的研究中考慮背景。根據這篇文獻，製定了幾個納入和排除標準，如排除與兒童有關的因素，如托兒或crèches。5
步驟2:探索性搜索公共數據庫
為了找到合適的和相關的基於網絡的公共數據集，第一作者做了一個探索性的在線搜索。為了合適，基於web的公共數據庫必須包括與第一步描述的主題相關的數據，並滿足納入標準。在數據庫的搜索中，我們重點搜索了與比利時/佛蘭德政府相關的政府網站和科研機構(如KCE, WIV)。之後，第一作者使用官方統計、本地數據(基地)、數據(基地)城市等術語進行了穀歌搜索。
步驟3:列出檢索到的上下文因素
在第三步中，在確定了適當的基於web的公共數據庫後，第一作者從公共數據庫中檢索了上下文因素，並對其進行了編撰。因此，每個城市是一列，每個變量是一行(參見表1)．背景因素在一個主題內被單獨分類(如社會人口統計學、社會經濟)。關於提供服務的情況，清單是根據官方組織的框架編製的。我們使用Microsoft Excel和思維導圖技術來構建清單。思維導圖被用來構造和比較三個城市的可用服務(見在線補充文件2:思維導圖)。
第四步:關鍵選擇
為了減少上下文因素的數量，兩位在初級護理中有經驗的臨床醫生(第二位也是最後一位作者)做了第一個(關鍵的)選擇。他們都收到了包含上下文因素及其分配的清單。他們分別給每個環境因素分別打上綠色、橙色或紅色的分數。綠色的分數表明環境因素可能會緩和D-SCOPE幹預的效果。橙色的得分反映了一種觀點，即人們不確定環境因素是否可能緩和D-SCOPE幹預的效果。紅色分值表示上下文因素不能調節D-SCOPE幹預的效果。第五步包含了兩個審稿人都給出綠色分數的上下文因素;那些隻有紅色分數的因素被自動排除。第一作者與兩位作者組織了一次會議，就所有其他上下文因素達成共識。
步驟5:標稱分組技術
為了確定最相關的上下文因素，第一作者組織了一種名義分組技術(NGT)。15NGT包括D-SCOPE聯盟的7名研究人員，他們都熟悉D-SCOPE幹預，具有不同的教育背景和專業知識(如護士、心理學家、教育科學家)，持續時間約1小時。NGT是一種高度結構化的決策方法，包含五個部分圖2):(1)產生想法:參與者收到背景因素及其分布的清單。每個參與者都被要求寫下可能影響家訪結果的背景因素，並提出選擇這些因素的原因。為了簡明扼要，參與者被要求將因素的數量限製在10個以內。參與者沒有討論就登記了;(2)記錄想法:參與者在小組中分享自己的想法和動機，不進行討論;(3)討論/澄清想法:在這個階段，參與者討論了情境因素和選擇想法的動機;(4)投票/評級的想法:在討論之後，每個參與者被要求記錄那些可能影響家訪結果的背景因素(最多10個)，並對它們進行排名;(5)彙總評級:列出排名最高的10個背景因素。NGT方法克服了參與者不願意提出想法的問題，因為他們擔心被批評或在群體中製造衝突。16日至18日
流程圖標稱分組技術。
患者和公眾參與
本研究提供二手資料分析。沒有病人和公眾的參與。
結果
在接下來的內容中，我們將介紹在D-SCOPE項目中應用的五步方法的結果。
第一步:相關語境因素域的理論/概念討論
幹預的目的是發現體弱的老年人，改善他們獲得量身定製的護理和支持的機會，並促進老年人的健康發展。因此，研究團隊決定，檢索到的信息應該包括社會人口、社會經濟背景因素、與護理供應/可用性或護理使用相關的因素以及與當地政府相關的因素。此外，一項研究確定:(1)情境因素應關注老年人(60歲及以上);(2)公共網絡數據集應使用D-SCOPE試驗中三個城市的標準化數據(如官方統計數據)。
步驟2:探索性搜索公共數據集
在選定的城市中確定了三個合適的在線公共網絡數據集:(1)“互助機構”數據庫，(2)“地方統計”數據庫和(3)“社會地圖”數據庫。"互助機構"數據庫收集了比利時7個醫療保險機構的數據。“地方統計”數據庫是一個門戶網站，收集了有關地方和省級行政部門的所有類型的統計數據。“社交地圖”數據庫在結構化數據庫中收集來自醫療保健組織的數據(廣義解釋)。關於數據庫的其他信息可以在在線補充文件3:數據庫。
步驟3:列出檢索到的上下文因素
這份清單包括157個上下文因素，從上述數據集中檢索得到:70個上下文因素來自“互助機構”數據庫，36個上下文因素來自“本地統計”數據庫，51個上下文因素來自“社會地圖”數據庫。這些背景因素涵蓋了有關各城市的廣泛信息，包括社會人口、社會經濟、地方政府信息和關於護理供應/可得性的數據。使用Microsoft Excel來獲取上下文因素及其分布。由於“社會地圖”列出了所有的組織，並描述了他們提供的服務，思維導圖技術被用於構建和比較各城市的可用服務(在線補充文件2:思維導圖)。為了對市政當局提供的照料和支助進行分類，使用了"照料和保健"機構的框架。該框架包括家庭護理、老年護理和醫院等12個領域，以及每個領域的幾個子領域。“Zorg en Gezondheid”機構由佛蘭德當局成立，其主要任務是組織關懷和支持。19
第四步:關鍵選擇
兩位審稿人(第二位也是最後一位作者)從NGT中提出的157個上下文因素中獨立選出了41個。評審人員給85個相關因素打了紅色分(不影響幹預效果)，而28個因素打了綠色分(可能影響幹預效果)。(在第一、第二和最後一位作者之間)討論了所有其他因素，直到達成共識為止。在線補充文件4:關鍵的選擇)。最終的環境因素清單包括“互助機構”數據庫中的9個因素，“本地統計”數據庫中的7個因素和“社交地圖”數據庫中的25個因素。
步驟5:標稱分組技術
在NGT中，列出了其餘的上下文因素(參見步驟4)。首先，所有的參與者有10分鍾的時間來瀏覽背景因素及其分布，並根據他們的意見指出最相關的因素，包括激勵的原因。第二，所有參與者都分享了他們最相關的因素和動機，沒有任何討論。這個任務需要15分鍾。第三，參與者進行了大約30分鍾的討論。第四步，由嘉賓投票，然後統計結果(第五步)。在41個相關因素中，有20個獲得投票。在D-SCOPE項目中，目的是檢索上下文因素的簡明列表。因此,表2在NGT投票後，以最高分數(10)呈現這些背景因素，以及三個城市的數據(來自上述三個數據庫)。根據NGT參與者的說法，這10個環境因素可能是D-SCOPE幹預的最重要的調節因素。列表中的上下文因素的數量純粹是為了說明這種方法;進一步的研究應確定所選的上下文因素是否對D-SCOPE試驗有調節作用。撫養比(年齡65+/ 20-64歲)在所有環境因子中得分最高。
討論
在複雜幹預的隨機對照試驗中，人們往往忽略了當地環境的作用，它可能會緩和幹預的效果。因此，在複雜幹預的設計和分析中，應更多地關注情境因素。然而，目前還不清楚利用在線信息探索和分析當地環境是否可行。目前的研究表明，基於五步方法，使用在線數據(基地)的上下文分析是可能的。結果表明，大量標準化數據(上下文因素)可以在基於web的公共數據集上訪問。五步法似乎有助於收集和選擇可能影響在特定環境中應用幹預的結果的相關背景因素。
第一個關鍵發現是目前在線上可獲得的大量標準化公共信息/數據(如官方統計數據)，這為研究人員提供了一個機會。這些基於網絡的數據集涵蓋了廣泛的主題，如社會人口數據、社會經濟數據、與提供護理支持服務有關的信息(這些數據在D-SCOPE方案中被認為很重要)。本研究采用的方法使未來的研究有可能對實施醫療幹預的環境有更全麵的了解。然而，確定的信息的數量和類型可能因國家/地區和研究主題而不同。例如，在D-SCOPE項目中，庫存上下文因素由157個因素組成。
由於網上有大量的信息，人們可以假設這些信息並非都是有用的。因此，一個係統的方法是必不可少的，以構建一個簡明的上下文因素列表。因此，本研究的第二個結果是用於識別相關上下文因素的方法所描述的五步方法。NGT(步驟5)中的討論部分可以用來製定假設，並可能有助於解釋幹預的最終結果。例如，在NGT的討論中，有人認為社區中心的可用性將在D-SCOPE幹預中起到調節作用，因為它對社會參與和組織活動很重要，但它也提供信息、教育活動、膳食，並幫助人們參考其他護理和支持服務(“雪球效應”)。由於Knokke-Heist缺乏社區中心，社會服務中心的專業人員無法將參與者轉介到其他照顧和支持服務機構。
第三，由於五步方法的結果，在D-SCOPE方案中，三個城市(根特、諾克-海斯特和Thienen)之間發現了很大的差異。社會人口統計學上，Knokke-Heist擁有最老齡化的人口，撫養比(65+/ 20-64歲)為63.1%，而根特和Thienen的撫養比分別為27.03%和36.21%。在Knokke-Heist, 80歲以上的成年人比例幾乎是根特的兩倍，而2013年社區社會保障的總資源(以歐元為單位)僅為根特預算的一半。三個城市之間背景環境的這些差異可能會緩和D-SCOPE幹預對其結果的影響，並強調背景的相關性。例如，之前由Stuck進行的係統評估等結論是預防性家訪可降低較年輕研究人群(平均年齡<80歲)的死亡率，但不能降低較年長人群的死亡率。20.
優勢和局限性
目前的研究有幾個優點。首先，本研究提供了一種係統的方法，以一種易於應用的方式來調查當地語境。第二，先前的研究表明NGT是一種有效的決策方法，它基於經驗豐富的研究者的專業知識。16日17NGT使得將一長串上下文因素清單簡化為一份簡短的清單成為可能。
我們的研究也有一定的局限性。首先，根據社會生態學模型，語境可以分為微觀係統、中觀係統、外部係統和宏觀係統。目前的研究僅僅集中在市政府層麵，而不是個人或文化層麵。例如，沒有找到有關背景因素的資料，例如服務/機構之間和內部的協調水平，或城市內部/之間的規範和價值。21其次，目前的信息是從三個基於網絡的公共數據集中檢索的。分析的正確性取決於這些數據集的正確性和準確性(例如，對於許多上下文因素，最新的更新是在2014-2015年，盡管幹預研究始於2017年)。第三，盡管網上可以找到大量信息，但仍有大量相關信息缺失，這似乎是合理的。例如，我們知道Knokke-Heist沒有社區中心;然而，目前還沒有關於當地組織組織的活動或市政當局組織的其他倡議可以作為社區中心的替代方案的信息。第四，五步法的幾個方麵是基於專家的意見(如第四和第五部分)。這表明D-SCOPE試驗可以與所選的上下文因素相互作用的假設。然而，還需要進一步的循證研究。
意義和未來研究
新的創新和技術為當代和未來的科學家提供了機會。在萬維網出現之前，構建不同社區的上下文因素清單將是一項相當耗時的挑戰。今天，大量的信息可以在網上標準化的數據集中找到。這使得未來的幹預研究能夠考慮當地的情況。例如，目前的結果可以有用地解釋D-SCOPE幹預在三個城市的效果差異，並就可能支持家訪和不支持家訪的情況提供見解。例如，在Knokke-Heist，需要額外社會接觸和參與的老年人不能被推薦到社區中心，而在Ghent和Thienen則可以，因為那裏有社區中心。Knokke-Heist缺乏社區中心可能會影響D-SCOPE的幹預對其結果的影響。基於目前研究的這些見解，可以形成新的(理論驅動的)假設，並進行測試，從而更好地理解與幹預相關的機製。因此，我們建議研究人員在開始幹預前進行背景分析，以避免事後數據驅動分析急於解釋結果。如果一項幹預研究包括許多城市，環境因素也可以作為統計模型中的調節因子。 Within the D-SCOPE project the availability of a community centre could be an independent dummy variable in the statistical analysis: the value 0=not available in the municipality and the value 1=available in the municipality. Contextual factors can also be changed into an ordinal scale. We illustrate this with the variable ‘total resources of the community social security in euros per inhabitant’ which can be ordered as 1=municipality with the lowest resources per capita (Knokke-Heist); 2=municipality with the mid value (Thienen) and 3=municipality with the highest resources per capita (Ghent).
由於所提出的五步方法，未來的隨機對照試驗可能會遇到在評估幹預時缺乏對背景的關注的批評。1這種五步法也可用於幹預其他主題(如經濟研究、犯罪學)或其他目的的研究;例如，對地區進行風險分層，據此評估村莊、市鎮或城市的特征(如社會人口、社會經濟、保健供應)，並與宏觀數據進行比較，以確定當地(保健)需求和挑戰。22日23日
結論
一些作者認為，某些情境支持實施幹預措施，而另一些則不支持，盡管情境的作用在隨機對照試驗中經常被忽略。1本研究表明，在隨機對照試驗中對可能影響結果的背景因素進行分析是可行的。網上有大量的信息，簡單易行的五步法可以確定假定最相關的上下文因素。有了這五步方法，未來的幹預研究在檢查幹預效果時可以考慮當地的環境，並在隨機對照試驗中形成理論驅動的假設。這將使我們更好地理解幹預的影響以及與幹預相關的機製。
數據可用性聲明
如有合理要求，可提供資料。數據是可用的。
倫理語句
發表患者同意書
倫理批準
不適用。
參考文獻
腳注
貢獻者所有作者都參與了D-SCOPE幹預方案的設計。本D-SCOPE試驗中的研究由MVdE、JMGAS、GIJMK、JDL和BS共同構思。MVdE開發了目錄，並撰寫了手稿的第一稿。LDD, BF, EDR, DD參與了NGT並對數據分析做出了貢獻。所有作者對稿件進行了嚴格的修改，並通過了最終稿件。MVdE作為保證人負責整個內容。所有作者都遵守ICMJE所規定的署名權條件。
資金這項工作得到了佛蘭德科學技術創新政府機構(IWT-140027 SBO)的資助。
相互競爭的利益沒有宣布。
患者和公眾參與患者和/或公眾沒有參與本研究的設計、實施、報告或傳播計劃。
出處和同行評審不是委托;外部同行評議。
作者注D-SCOPE聯盟是一個國際研究聯盟，由來自比利時布魯塞爾自由大學的研究人員(Dr A- s.s。Smetcoren、S. duy博士、L. De Donder教授、E. Dierckx教授、D. Lambotte博士、B. Fret博士、D. Duppen博士、M. Kardol教授、D.博士Verté);比利時根特學院大學(L. J. Hoeyberghs博士，N. De Witte教授);比利時安特衛彭大學(E. E. De Roeck博士、S. Engelborghs教授、P. P. De Deyn教授);比利時天主教魯汶大學(M. Van der Elst, J. De leeleire教授博士，B. Schoenmakers教授)和荷蘭馬斯特裏赫特大學(M. Van der Elst, A. Van der Vorst博士，G.A.R. Zijlstra博士，G. i .教授博士)。J. M. Kempen教授、J. M. G. A.學校博士)。
補充材料本內容由作者提供。它還沒有經過BMJ出版集團有限公司(BMJ)的審查，也可能沒有經過同行評審。討論的任何意見或建議僅為作者的意見，不被BMJ認可。BMJ否認所有責任和責任產生的任何依賴放置的內容。如果內容包含任何翻譯材料，BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥物名稱和藥物劑量)，並且不負責因翻譯和改編或其他原因引起的任何錯誤和/或遺漏。