Secondary Analysis to Inform the Development of Adaptive Preventive Interventions.
Secondary Analysis to Inform the Development of Adaptive Preventive Interventions.
复制标题
DOI：
10.1007/s10567-022-00408-1
复制
发表时间：
2022-12
影响因子：
6.9
通讯作者：
Howe, George W.
中科院分区：
文献类型：
--
作者：
Brincks, Ahnalee M.;Perrino, Tatiana;Howe, George W.
在过去的30年里，流行病学，教育，心理学和许多其他领域的学者一直致力于开发旨在降低风险和加强保护的干预措施，以预防整个生命周期的精神，情感和行为问题。本文提出了一系列后续步骤，利用这一基础科学为适应性预防干预措施的发展提供信息。适应性预防干预措施（API）调整干预措施，以适应参与者的多样化，有时是不断变化的需求，目的是为更多的人提供更好的预防结果。对预防性干预试验的数据进行二次分析，以确定仲裁员，调解员和损耗和干预失败的前因，这对设计有效的API是有用的。可以在API中使用识别干预效果异质性的调节器来定制干预，以满足重要参与者亚组的独特需求。脱离接触和流失的中介和预测因素有助于调整API中的变量，以触发干预措施的变化。预防性干预试验，包括经常评估潜在的调解人，主持人，和在干预期间的损耗的前因是必要的。对预防性干预试验数据的二次分析为下一代API提供了重要基础。
For the past 30 years, scholars across the fields of epidemiology, education, psychology, and numerous other fields have worked to develop interventions designed to reduce risk and enhance protection to prevent mental, emotional and behavioral problems across the lifespan. This article presents a series of next steps that leverage this foundational science to inform the development of adaptive preventive interventions. Adaptive preventive interventions (APIs) tailor the intervention to fit the diverse, sometimes changing, needs of participants with the goal of better prevention outcomes for more individuals. Secondary analyses of data from preventive intervention trials to identify moderators, mediators, and antecedents of attrition and intervention failure can be useful for designing effective APIs. Moderators that identify intervention effect heterogeneity can be used within an API to tailor the intervention to meet the unique needs of important participant subgroups. Mediators and predictors of disengagement and attrition can be helpful tailoring variables in an API to trigger change to the intervention. Preventive intervention trials that incorporate frequent assessment of potential mediators, moderators, and antecedents of attrition during the intervention period are needed. Secondary analyses of data from preventive intervention trials provide an important foundation for next-generation APIs.
登录
查看更多内容
影响因子：
7
作者：
Curran, Patrick J.;Hussong, Andrea M.
通讯作者：
Hussong, Andrea M.
影响因子：
4.9
作者：
Clarke, Aleisha M.;Kuosmanen, Tuuli;Barry, Margaret M.
通讯作者：
Barry, Margaret M.
影响因子：
5.9
作者：
Forsell, Erik;Isacsson, Nils;Kaldo, Viktor
通讯作者：
Kaldo, Viktor
DOI：
10.1016/j.chc.2010.03.005
发表时间：
2010-07-01
影响因子：
2.4
作者：
Griffin, Kenneth W.;Botvin, Gilbert J.
通讯作者：
Botvin, Gilbert J.
影响因子：
3.3
作者：
Howe, George W.
通讯作者：
Howe, George W.