FR
Menu
Observiathèque

Etude SPUR™ de phase 2 en France : résultats finaux

Pour accéder au site SPUR™ Research, cliquez ici

Objectif 

L'objectif de cette étude était la sélection finale des propriétés psychométriques et l'évaluation de SPUR™ pour le développement de l'algorithme de scoring. 

Les 4 résultats clés à retenir : 

  • 24 des 45 items du questionnaire SPUR™ convergent vers un trait latent (analyse PCM, PSI = 0,78)
  • Ce trait latent correspond bien à une mesure de non-observance car le score SPUR™ est significativement corrélé aux autres échelles validées MARS, BMQ et ACCEPT. 
  • La structuration des leviers comportementaux en 4 dimensions : Sociale, Psychologique, Rationnelle et Usage (SPUR) est validée par le modèle statistique PCA. 
  • Les 24 items retenus sont prédictifs de la non-observance du patient, et peuvent être configurés de manière à constituer 3 versions du questionnaire : 
    - SPUR 6 pour identifier les patients les plus à risque de non-observance
    - SPUR 17 et SPUR 24 pour affiner ce risque et préciser les leviers en jeu actionnables pour une invervention de santé efficace

Méthodologie

L’étude a utilisé des données collectées via une enquête auprès de patients atteints de diabète de type 2 vivant en France. Les patients ont été invités à remplir une batterie de 4 questionnaires ainsi que des questions sur leurs caractéristiques sociodémographiques et cliniques.

La structure initiale du questionnaire SPUR a été testée à l’aide d’une analyse PCA. Cette analyse visait à confirmer la structure hypothétique de l’outil SPUR™ par les données empiriques, et à définir les ajustements éventuellement nécessaires à la construction de l’algorithme de scoring.
La structure finale de SPUR™ a été déterminée en utilisant les éléments suivants :
- la structure hypothétique de SPUR™ ,
- le critère de Kaiser fourni par l’analyse PCA,
- l’adéquation des items,
- la carte personne-item générée par l’analyse PCM.

Une analyse PCM a été réalisée pour comprendre la structure de l’outil SPUR™ et déterminer si tous les items reflètent le même concept sous-jacent. 

La validité concourante a été évaluée en calculant les coefficients de corrélation de Spearman entre le score final de l’algorithme de SPUR™ et le score total de MARS, le score de la dimension
d’acceptation générale d’ACCEPT, les scores du BMQ, le trait latent fourni par l’analyse PCM, l’indice de possession de médicaments (Medication Possession Ratio, MPR) et l’HbA1c (hémoglobine glyquée).

Conclusion

SPUR™ est un outil fiable et valide pour évaluer le risque de non-observance des patients, permettant une intervention de santé efficace en fournissant des informations approfondies sur les raisons individuelles du manque d’observance.

Les patients peuvent être évalués à l’aide du formulaire court, et ceux qui sont jugés à risque de non-observance peuvent ensuite renseigner des items pertinents du formulaire intermédiaire.

Les éléments pertinents du formulaire complet peuvent ensuite être appliqués si nécessaire pour identifier précisément les facteurs comportementaux à l’oeuvre dans le processus de décision
du patient.

Le scoring d’un tel outil est trop complexe pour être appliqué dans un cadre papier, mais dans le contexte d’une technologie numérique d’observance (DAT Digital Adherence Technologies), SPUR™ permet un diagnostic comportemental rapide, simple et efficace pour déterminer le choix pertinent du contenu et l’intensité de l’intervention.

Veuillez remplir les champs pour télécharger le poster : 

POSTER_FR_PHASE_2_FINAL_FR1024_1.jpg
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