Data och kod för: Bättre egenvård genom samvård? En latent profilanalys av primärvårdspatienters upplevelser av e-hälsa-stödd kronisk vård

Denna databeskrivning innehåller kod (skriven i programmeringsspråket R), samt bearbetad data och resultat som presenteras i en forskningsartikel (se referenser). Inga rådata tillhandahålls och de data som görs tillgängliga kan inte kopplas till studiedeltagare. Urvalet består av 180 av 308 behöriga deltagare (vuxna primärvårdspatienter i Sverige, som lever med kronisk sjukdom) som svarade på en svensk webbaserad enkät vid två tidpunkter. Med hjälp av en bekräftande faktoranalys (CFA) beräknade vi latenta faktormått för 9 konstrukt, baserat på 34 frågor. I detta dataset tillgängliggörs de latenta faktormåtten och resultaten av den latenta profilanalysen. Även om rådata inte delas presenterar vi formuleringarna för varje fråga/påstående, inklusive svarsskalor. Koden som användes för att producera latenta faktormått och latenta profilanalysresultat tillhandahålls också. Studien genomfördes som en del av ett forskningsprojekt som undersöker hur användningen av e-hälsotjänster inom kronisk vård påverkar interaktion och samverkan mellan patienter och vården. Syftet med studien var att identifiera undergrupper av primärvårdspatienter som är lika med avseende på deras upplevelser av samvård, mätt med DoCCA-skalan (von Thiele Schwarz, 2021). Baslinjedata samlades in efter att patienter hade introducerats till en e-hälsotjänst som syftade till att stödja dem i deras egenvård och digitala kommunikation med vården; uppföljningsdata samlades in 7 månader senare. Alla patienter behandlades på samma primärvårdscentral, belägen i Stockholmsregionen i Sverige. Citerad referens: von Thiele Schwarz U, Roczniewska M, Pukk Härenstam K, Karlgren K, Hasson H, Menczel S, Wannheden C. The work of having a chronic condition: Development and psychometric evaluation of the Distribution of Co-Care Activities (DoCCA) Scale. BMC Health Services Research (2021) 21:480. doi: 10.1186/s12913-021-06455-8 DATASETET består av två filer: factorscores_docca.csv och latent-profile-analysis-results_docca.csv. * factorscores_docca.csv: Denna fil innehåller 18 variabler (kolumner) och 180 rader. Variablerna representerar latenta faktorer (mätta vid två tidpunkter, T1 och T2) och värdena är latenta faktormått. Enkätdata som användes för att ta fram de latenta faktormåtten består av 20 frågor som mäter erfarenheter av samarbete med vården, baserat på DoCCA-skalan (von Thiele Schwarz, 2021). Dessa frågor inkluderades i den latenta profilanalysen. Dessutom beräknades latenta faktormått som återspeglar upplevd självförmåga i egenvård (6 frågor), nöjdhet med vården (2 frågor), självskattad hälsa (2 frågor) och upplevd effekt av e-hälsa (4 frågor). Dessa frågor användes för att göra jämförelser mellan profiler som resulterade från den latenta profilanalysen. Variabeldefinitioner finns i en separat fil (se nedan). * latent-profile-analysis-results_docca.csv: Denna fil innehåller 14 variabler (kolumner) och 180 rader. Variablerna representerar profilklassificeringar (nummer och etiketter) och klassificeringssannolikheter för var och en av de identifierade profilerna, 4 profiler vid T1 och 5 profiler vid T2. Transitionssannolikheter (från T1 till T2 profiler) beräknades inte på grund av bristande konfigurationslikhet för profiler vid T1 och T2; därför delges inga transitionssannolikheter. Den TILLHÖRANDE DOKUMENTATIONEN består av en fil med variabeldefinitioner på engelska och svenska, och fyra skriptfiler (skrivna på programmeringsspråket R): * variable-definitions_swe-eng.xlsx: Denna fil består av fyra blad. Blad 1 (scale-items_original_swedish) specificerar frågeformuläret (på svenska) som användes för att beräkna de latenta faktormåtten; svarsskalor ingår. Blad 2 (scale-items_translated_english) tillhandahåller en engelsk översättning av frågeformuläret och svarsskalorna i blad 1. Blad 3 (factorscores_docca) definierar variablerna i datasetet factorscores_docca.csv. Blad 4 (latent-profile-analysis-results) definierar variablerna i datauppsättningen latent-profile-analysis-results_docca.csv. * R-script_Step-0_Factor-scores.R: R-skriptfil med koden som användes för att beräkna de latenta faktormåtten. Detta skript kan endast köras med tillgång till rådatafilen som inte delas offentligt på grund av etiska begränsningar. Därför är syftet med skriptfilen kodtransparens. Skriptet visar även modellspecifikationen som användes i den bekräftande faktoranalysen (CFA). Avsaknad av data hanterades med hjälp av Full Information Maximum Likelihood (FIML). * R-script_Step-1_Latent-profile-analysis.R: R-skriptfil med koden som användes för att köra latenta profilanalyser vid T1 och T2 och producera profil-plottar. Den här koden kan köras med det tillhandahållna datasetet factorscores_docca.csv. Observera att skriptet genererar resultaten som tillhandahålls i datasetet latent-profile-analysis-results_docca.csv. * R-script_Step-2_Non-parametric-tests.R: R-skriptfil med koden som användes för att köra icke-parametriska tester för att jämföra exogena variabler mellan profiler vid T1 och T2. Det här skriptet använder följande dataset: factorscores_docca.csv och latent-profile-analysis-results_docca.csv. * R-script_Step-3_Class-transitions.R: R-skriptfil med koden som användes för att skapa ett sankey-diagram för att illustrera profilövergångar (transitioner). Det här skriptet använder följande dataset: latent-profile-analysis-results_docca.csv. Programvarukrav: För att köra koden måste R-programvarumiljön och R-paketen som anges i skriptfilerna vara installerade (öppen källkod). Skripten producerades i R-version 4.2.1.