Dynamic Interrupted Time Series
Dynamic Interrupted Time Series (Dynamic ITS) extends the standard ITS design by allowing intervention effects to build up, decay, or shift over multiple time lags rather than assuming a single instantaneous level change. It estimates how an intervention's impact evolves across time periods, making it especially suited to public health, health services research, and policy evaluation where effects accumulate gradually or wear off after initial impact.
Källpost
Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.
- Lopez Bernal, J., Cummins, S., & Gasparrini, A. (2017). Interrupted time series regression for the evaluation of public health interventions: a tutorial. International Journal of Epidemiology, 46(1), 348-355. · DOI 10.1093/ije/dyw098
- Wagner, A. K., Soumerai, S. B., Zhang, F., & Ross-Degnan, D. (2002). Segmented regression analysis of interrupted time series studies in medication use research. Journal of Clinical Pharmacy and Therapeutics, 27(4), 299-309. · DOI 10.1046/j.1365-2710.2002.00430.x
Kuraterade påståenden
Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.
Denna vy hittar inte på en påståendebedömning när loggen saknar en.
Relaterade metoder
Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.