FR
Menu
Pour accéder au site SPUR Research, cliquez ici

Objectif

Le but de cette étude était d'évaluer et d'affiner les propriétés psychométriques du questionnaire SPUR™ afin de développer son algorithme de notation.

Les 3 résultats clés à retenir : 

- La validation de l'algorithme de notation
- La validation que SPUR™ mesure la non-observance
- SPUR™ couvre l'intégralité du spectre du comportement d'adhésion sans lacune


POSTER US Phase 2 Final Results January 2022

Méthodologie

Les données ont été recueillies par le biais d'une enquête en ligne auprès de personnes atteintes de diabète de type 2 aux États-Unis. 501 participants ont rempli plusieurs questionnaires, dont le SPUR™ et plusieurs mesures validées de l'observance.

Une analyse par modèle de crédit partiel (PCM) a été réalisée pour évaluer la structure de l'outil SPUR™ et vérifier l'hypothèse d'une seule variable latente sous-jacente reflétant l'adhésion. La Courbe Caractéristique de l'Item (ICC) de chaque item SPUR™ a été calculée pour vérifier si les options de réponse étaient ordonnées conformément aux spécifications de la fonction de notation. Une carte personne-élément a été construite.

Des analyses discriminantes partielles des moindres carrés (PLS-DA) ont été effectuées pour confirmer les quatre dimensions du SPUR™ (S, P, U, R) et identifier les items hiérarchiquement définis dans chaque dimension auxquels un patient doit répondre.

Enfin, des corrélations ont été calculées entre le trait latent de l'observance SPUR™ et les autres mesures d'observance rapportées par les patients, MMAS-8 et BMQ.

Conclusion

  • L'analyse statistique a confirmé que SPUR™ mesure la non-observance dans la population des personnes atteintes de diabète de type 2. Le modèle de crédit partiel utilisé a montré que les réponses au SPUR™ révélaient un trait latent sous-jacent, qui était bien corrélé avec les outils de non-adhésion validés MMAS-8 et BMQ.
  • En outre, la carte personne-élément a montré que les éléments du SPUR couvraient l'intégralité du spectre du comportement d'adhésion sans aucune lacune.
  • Ces résultats suggèrent que SPUR™ peut être utilisé pour la détection et le profilage efficaces des patients confrontés à des problèmes d'observance, et pour la conception de solutions personnalisées d'aide aux patients.

                                                        Lire la publication complète

Pour plus d'informations sur notre programme de recherche, rendez-vous sur notre page LabBench. 

 

Veuillez remplir les champs pour télécharger notre poster : 

spur_US_phase_2.png
Les informations recueillies sur ce formulaire sont enregistrées dans une base de données par Observia à des fins strictement internes. Elles seront utilisées pour vous envoyer le contenu sollicité ainsi que d’autres types de contenus sur des sujets associés et seront conservées pour un délai maximum de 3 ans.
Vous pouvez accéder aux informations vous concernant, les rectifier ou les supprimer en vous adressant à notre service RGPD/DPO via le formulaire de contact
Voir notre politique de confidentialité

Partager

Lire aussi

Articles

Digitalisation de la santé : Où en est l'hôpital ?

Articles

13 leviers pour décrypter le comportement de santé des patients chroniques - Infographie

Success Stories

Améliorer l'observance des patients diabétiques en Indonésie

Accès plateformes