Verslagen

Eindverslag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

In dit project ontwikkelen we een vernieuwende methode om kosteneffectiviteit (KEA) te bepalen van programma's gericht op leefstijlverandering, zoals stoppen-met-roken. Omdat leefstijlgedrag vaak een proces is van vallen en opstaan, is het belangrijk ook lange-termijn effecten mee te nemen. Omdat dit vaak moeilijk en kostbaar is, zijn dergelijke gegevens vaak niet beschikbaar. Met de nieuwe methode proberen we dat gebrek te ondervangen en toekomstig leefstijlgedrag te voorspellen en vervolgens in de KEA te verwerken. Uit de resultaten blijkt dat de nieuwe methode bruikbaar is, en betrouwbare schattingen oplevert van kosten-effectiviteit van stoppen-met-roken programma’s. In de toekomst moet deze methode nog worden getest bij andere gedragsveranderingsprogramma’s.

Resultaten
Dit item is dichtgeklapt
Dit item is opengeklapt

In de eerste studie worden de psychologische determinanten op verschillende tijdspunten onderzocht die resulteren in stoppen met roken op doorgaans gebruikte follow-up perioden. Er wordt hier rekening gehouden met twee aspecten: de tijd variërende aard van de uitkomst en de tijd variërende aard van de determinanten. Ook hier werden de data van de SMOKE studie gebruikt waarin twee stoppen-met-roken interventies werden vergeleken voor COPD patiënten. De determinanten eigen effectiviteit, sociale steun, attitude en de beschrijvende sociale norm werden gemeten op het startpunt van de interventie en op 6 en 12 maanden follow-up. Er werden twee verschillende Cox regressie modellen geschat: 1) met tijd variërende determinanten die voorspellend zijn voor stoppen-met-roken op 6 en 12 maanden en 2) met determinanten op een enkel tijdspunt die stoppen-met-roken voorspellen op een enkel eindpunt. Resultaten lieten zien dat in een tijd variërende analyse, eigen effectiviteit de belangrijkste voorspeller bleek te zijn. In tegenstelling hierop bleken attitude en de beschrijvende sociale norm de belangrijkste voorspellers in de statische analyse waarin determinanten op het startpunt meegenomen zijn. In dit artikel is het onderscheid tussen statische en tijd variërende analyses aangetoond, alsmede ook een reciproque relatie tussen eigen effectiviteit en stoppen met roken. Ook liet deze studie zien dat Cox regressie analyse een praktisch toepasbare en valide methode is om het tijd variërende aspect in gedragsverandering te onderzoeken.

In de tweede studie wordt de in de eerste studie uitgevoerde analyse herhaald voor een andere stoppen-met-roken interventie (CMIS) onder een andere groep patiënten. Er werden secundaire analyses verricht op twee gerandomiseerde studies naar korte stoppen-met-roken interventies van gehospitaliseerde en poliklinische hartpatiënten. In beide datasets bleken de cognitieve determinanten eigen effectiviteit en de intentie om te stoppen sterke tijd variërende indicatoren van stoppen-met-roken te zijn over de volledige follow-up periode van 1 jaar, en voornamelijk in de periode nadat de interventie gegeven werd. Deze resultaten komen overeen met sociaal cognitieve theorieën van gedragsverandering. Een interessant gegeven in deze studie was dat beide cognitieve constructen een positieve invloed op gedragsverandering hadden nadat de interventie had plaatsgevonden. Deze studie laat zien dat stoppen met roken een langdurig proces is waarin de interactie tussen eigen effectiviteit (en ook intentie om te stoppen) en stopgedrag het uiteindelijke succes van stoppen met roken op de lange termijn bepaalt. Ook deze studie liet zien dat tijd variërende analyses een valide en toegankelijke manier is om de onderliggende cognitieve trajecten van gedragsverandering te onderzoeken in datasets met een beperkt aantal tijdsintervallen.

In de derde studie wordt de in dit project ontworpen methodologie volledig toegepast, en gevalideerd op werkelijke data. In de eerste stap wordt de methode om intermediaire voorspellers van gedrag te identificeren herhaald op een andere interventie/doelgroep, en in stap 2 zijn deze voorspellers vervolgens gebruikt in een KEA model om de kosteneffectiviteit van 6 naar 12 maanden te simuleren. Tot slot is deze simulatie gevalideerd op de geobserveerde 12 maanden uitkomsten in de data. Een KEA van een bestaande dataset van een driearmige gerandomiseerde online stoppen-met-roken studie (PAS studie) met een follow-up van 12 maanden is hiervoor gerepliceerd. In deze studie werd eerst bepaald wat de belangrijkste cognitieve voorspeller van gedrag is door middel van de Cox regressie analyses zoals gepresenteerd in de voorgaande studies. Hieruit bleek dat eigen effectiviteit ook in deze dataset de sterkste voorspeller bleek te zijn voor stoppen met roken. Vervolgens werden de KEA resultaten na zes maanden follow-up berekend. In de derde stap zijn de overgangskansen voor het modeleren van de cognitie eigen effectiviteit berekend. Dit is gedaan door te berekenen wat de kans is dat iemand rookt of is gestopt op zes maanden follow-up, gegeven een combinatie van niveau van eigen effectiviteit en rookgedrag op zes weken. In de vierde stap werden deze overgangskansen geëxtrapoleerd naar de periode van zes tot 12 maanden follow-up en gebruikt om gedrag en kosteneffectiviteit te voorspellen op 12 maanden. In de laatste stap werden deze gesimuleerde resultaten vergeleken met de originele KEA resultaten om de validiteit van de gebruikte methode vast te stellen. Hieruit bleek dat de gesimuleerde resultaten grotendeels overeenkwamen met de originele, geobserveerde uitkomsten van CEA. De gesimuleerde KEA was dus gevalideerd door de werkelijke data. Het modeleren van cognitieve intermediaire uitkomsten zoals eigen effectiviteit om de toekomstige uitkomst van gedrag te schatten blijkt een toegankelijke en valide manier zijn om een benadering te geven van toekomstige kosteneffectiviteit van een interventie.

 

Voortgangsverslag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

In dit project ontwikkelen we een vernieuwende methode om kosteneffectiviteit (KEA) te bepalen van programma's gericht op leefstijlverandering, zoals stoppen-met-roken. Omdat leefstijlgedrag vaak een proces is van vallen en opstaan, is het belangrijk ook lange-termijn effecten van programma's in een KEA op te nemen. Omdat het vaststellen van lange-termijn effecten vaak moeilijk en kostbaar is, zijn dergelijke gegevens vaak niet beschikbaar. Met de nieuwe methode proberen we toekomstig leefstijlgedrag te voorspellen en vervolgens in de KEA te verwerken.

In het eerste projectjaar zijn 2 van de 4 deelstudie afgerond en de andere 2 zijn in voorbereiding. Hiervoor is al wel een geschikte dataset beschikbaar. Het project ligt daarmee op schema.

Resultaten
Dit item is dichtgeklapt
Dit item is opengeklapt

Het project bestaat uit 2 stappen, die in 4 deelstudies zijn uitgewerkt. De eerste stap is gericht op het voorspellen van toekomstig gedrag. Hiervoor onderzoeken we twee verschillende methoden. Op dit moment lijken beide methoden geschikt en zullen we deze in de volgende stap toepassen. Twee artikelen hierover zijn gereed (1 geaccepteerd voor publicatie, 1 aangeboden voor publicatie).

In de tweede stap passen we beide methoden toe in een KEA, op verschillende stoppen-met-roken programma's. Van de 4 deelstudies zijn 2 inmiddels uitgevoerd. de andere 2 zijn in voorbereiding. Hiervoor is inmiddels een gescjhikte dataset verkregen, waarmee beide deelstudies kunnen worden gedaan. Ook de daarvoor benodigde analysetechniek is al voorbereid.

Naast de al genoemde artikelen zijn in het afgelopen jaar ook al diverse presentaties gehouden op wetenschappelijke symposia.

Samenvatting van de aanvraag

Samenvatting
Dit item is dichtgeklapt
Dit item is opengeklapt

This proposal aims to improve cost-effectiveness analysis (CEA) methodology for evaluating health promotion interventions. A preliminary pilot study with smoking cessation data has shown promising results. Currently, CEAs of behavioral interventions are often impossible due to lacking data on objective, physical endpoints, or tend to reduce effectiveness to changes in these endpoints only. However, achieving behavioral change is a gradual process and delayed effects may occur after a follow-up period ends. In this proposal we will develop an innovative procedure of modeling cognitive parameters derived from behavioral theories, such as self-efficacy, into CEAs of behavioral interventions. This will make CEAs of health promotion both more accurate, and applicable to a wider range of health promotion interventions.

To accomplish this, we will first analyze the longitudinal and dynamic course of cognitive parameters over time, using advanced statistical techniques and secondary data sets. In each study outcomes will be tested for socio-economic status (SES) specific differences. This procedure will be validated in a second study. The continuous parameters will be analyzed in a larger trial and validated by means of a second comparable trial. For this validation study data is already available. Second, we will validate the preliminary results from our pilot study by replicating a CEA of a smoking cessation intervention using discrete cognitive variables (stage-based variables). In this CEA intermediate behavioral change will be incorporated by modeling a person’s readiness to quit. We will predict future smoking cessation from 6 to 12 months of follow-up, which will enable validation of our predictive model with the true empirical outcomes in these data at 12 months follow-up. Subsequently, we will develop and validate a modeling approach to incorporate the dynamic course of continuous cognitive variables into CEAs. Results from the first study will provide input for this modeling approach. Again, cessation will be predicted from 6 to 12 months of follow-up, which will enable validation of our predictive model with the true empirical outcomes in these data at 12 months follow-up. Advanced modeling techniques are explored to perform the CEA. Finally, the whole process in the project using continuous variables will be repeated for another lifestyle factor, such as dieting or physical exercise.

Naar boven
Direct naar: InhoudDirect naar: NavigatieDirect naar: Onderkant website