Abstract Background Real-world adherence to colorectal cancer (CRC) screening strategies is imperfect. The CRC-AIM microsimulation model was used to estimate the impact of imperfect adherence on the relative benefits and burdens of guideline-endorsed, stool-based screening strategies. Methods Predicted outcomes of multi-target stool DNA (mt-sDNA), fecal immunochemical tests (FIT), and high-sensitivity guaiac-based fecal occult blood tests (HSgFOBT) were simulated for 40-year-olds free of diagnosed CRC. For robustness, imperfect adherence was incorporated in multiple ways and with extensive sensitivity analysis. Analysis 1 assumed adherence from 0%-100%, in 10% increments. Analysis 2 longitudinally applied real-world first-round differential adherence rates (base-case imperfect rates=40% annual FIT vs 34% annual HSgFOBT vs 70% triennial mt-sDNA). Analysis 3 randomly assigned individuals to receive 1, 5, or 9 lifetime (9=100% adherence) mt-sDNA tests and 1, 5, or 9 to 26 (26=100% adherence) FIT tests. Outcomes are reported per 1000 individuals compared with no screening. Results Each screening strategy decreased CRC incidence and mortality versus no screening. In individuals screened between ages 50-75 and adherence ranging from 10%-100%, the life-years gained (LYG) for triennial mt-sDNA ranged from 133.1-300.0, for annual FIT from 96.3-318.1, and for annual HSgFOBT from 99.8-320.6. At base-case imperfect adherence rates, mt-sDNA resulted in 19.1% more LYG versus FIT, 25.4% more LYG versus HSgFOBT, and generally had preferable efficiency ratios while offering the most LYG. Completion of at least 21 FIT tests is needed to reach approximately the same LYG achieved with 9 mt-sDNA tests. Conclusions Adherence assumptions affect the conclusions of CRC screening microsimulations that are used to inform CRC screening guidelines. LYG from FIT and HSgFOBT are more sensitive to changes in adherence assumptions than mt-sDNA because they require more tests be completed for equivalent benefit. At imperfect adherence rates, mt-sDNA provides more LYG than FIT or HSgFOBT at an acceptable tradeoff in screening burden.

Abstract Background A growing number of older adults (ages 65+) live with Type 1 diabetes. Simultaneously, technologies such as continuous glucose monitoring (CGM) have become standard of care. There is thus a need to understand better the complex dynamics that promote use of CGM (and other care innovations) over time in this age group. Our aim was to adapt methods from systems thinking, specifically a participatory approach to system dynamics modeling called group model building (GMB), to model the complex experiences that may underlie different trajectories of CGM use among this population. Herein, we report on the feasibility, strengths, and limitations of this methodology. Methods We conducted a series of GMB workshops and validation interviews to collect data in the form of questionnaires, diagrams, and recordings of group discussion. Data were integrated into a conceptual diagram of the “system” of factors associated with uptake and use of CGM over time. We evaluate the feasibility of each aspect of the study, including the teaching of systems thinking to older adult participants. We collected participant feedback on positive aspects of their experiences and areas for improvement. Results We completed nine GMB workshops with older adults and their caregivers ( N = 33). Each three-hour in-person workshop comprised: (1) questionnaires; (2) the GMB session, including both didactic components and structured activities; and (3) a brief focus group discussion. Within the GMB session, individual drawing activities proved to be the most challenging for participants, while group activities and discussion of relevant dynamics over time for illustrative (i.e., realistic but not real) patients yielded rich engagement and sufficient information for system diagramming. Study participants liked the opportunity to share experiences with peers, learning and enhancing their knowledge, peer support, age-specific discussions, the workshop pace and structure, and the systems thinking framework. Participants gave mixed feedback on the workshop duration. Conclusions The study demonstrates preliminary feasibility, acceptability, and the value of GMB for engaging older adults about key determinants of complex health behaviors over time. To our knowledge, few studies have extended participatory systems science methods to older adult stakeholders. Future studies may utilize this methodology to inform novel approaches for supporting health across the lifespan.

Background: Microsimulation models of colorectal cancer (CRC) have helped inform national screening guidelines and health policy decision-making. However, detailed descriptions of particular underlying assumptions are not published, limiting access to robust platforms for exploratory analyses. We describe the development and validation of the Colorectal Cancer and Adenoma Incidence and Mortality (CRC-AIM) microsimulation model, a robust model built to facilitate collaborative simulation studies on disease progression and early detection through screening interventions. Design: We used the Cancer Intervention and Surveillance Modeling Network (CISNET) CRC models, specifically CRC-SPIN, as a foundation for CRC-AIM's formulas and parameters. In addition, we developed novel submodels and recalibrated various parameters to address gaps and discrepancies in publicly available information. Along with evaluating the natural history and screening detection outcomes from CRC-AIM, we determined the impact of using different life tables (cohort versus period) on natural history outcomes. Results: CRC-AIM demonstrated substantial cross-model validity when comparing multiple natural history and screening outputs and probability curves to those from CISNET models, particularly CRC-SPIN. Additionally, using period life tables, CRC-AIM's cumulative probability of developing CRC from ages 40 to 100 (7.1%) lies within the range of the CISNET models (6.7% to 7.2%). Using cohort tables, that probability increases to 8.0%. One notable difference is that, regardless of life table used, the cumulative probability of dying from CRC (3.2% for period; 3.8% for cohort) is slightly higher in CRC-AIM than the CISNET models (2.7% to 2.8%), due to CRC-AIM's different methodology for determining survival. Additionally, there is substantial overlap (e.g. 94-95% overall agreement for strategies on and off the efficient frontier for stool-based strategies) across multiple screening overlay outputs between CRC-AIM and the CISNET models, especially CRC-SPIN. Conclusions: We developed and validated a robust CRC microsimulation model, CRC-AIM, and demonstrate the influence of life table choice on downstream outputs. We further describe CRC-AIM's parameters and include complete component tables to enhance transparency and encourage collaboration.

Abstract Background Real-world data for patients with positive colorectal cancer (CRC) screening stool-tests demonstrates that adenoma detection rates are lower when endoscopists are blinded to the stool-test results. This suggests adenoma sensitivity may be lower for screening colonoscopy than for follow-up to a known positive stool-based test. Previous CRC microsimulation models assume identical sensitivities between screening and follow-up colonoscopies after positive stool-tests. The Colorectal Cancer and Adenoma Incidence and Mortality Microsimulation Model (CRC-AIM) was used to explore the impact on screening outcomes when assuming different adenoma sensitivity between screening and combined follow-up/surveillance colonoscopies. Methods Modeled screening strategies included colonoscopy every 10 years, triennial multitarget stool DNA (mt-sDNA), or annual fecal immunochemical test (FIT) from 50-75 years. Outcomes were reported per 1,000 individuals without diagnosed CRC at age 40. Base-case adenoma sensitivity values were identical for screening and follow-up/surveillance colonoscopies. Ranges of adenoma sensitivity values for colonoscopy performance were developed using different slopes of odds ratio adjustments and were designated as small, medium, or large impact scenarios. Results As the differences in adenoma sensitivity for screening versus follow-up/surveillance colonoscopies became greater, life-years gained (LYG) and reductions in CRC-related incidence and mortality versus no screening increased for mt-sDNA and FIT and decreased for screening colonoscopy. The LYG relative to screening colonoscopy reached >90% with FIT in the base-case scenario and with mt-sDNA in a “medium impact” scenario. Conclusions Assuming identical adenoma sensitivities for screening and follow-up/surveillance colonoscopies underestimates the potential benefits of stool-based screening strategies.

Abstract Qualitative data are commonly used in the development of system dynamics models, but methods for systematically identifying causal structures in qualitative data have not been widely established. This article presents a modified process for identifying causal structures (e.g., feedback loops) that are communicated implicitly or explicitly and utilizes software to make coding, tracking, and model rendering more efficient. This approach draws from existing methods, system dynamics best practice, and qualitative data analysis techniques. Steps of this method are presented along with a description of causal structures for an audience new to system dynamics. The method is applied to a set of interviews describing mental models of clinical practice transformation from an implementation study of screening and treatment for unhealthy alcohol use in primary care. This approach has the potential to increase rigour and transparency in the use of qualitative data for model building and to broaden the user base for causal‐loop diagramming.

Implementation strategies can help support the adoption and implementation of health interventions that are appropriate for a local context and acceptable to decision makers and community members. Implementation strategies should be designed to handle the complexity of the multi-level, dynamic contexts in which interventions are implemented. Systems science theories and methods explicitly attend to complexity and can be valuable for specifying implementation strategies. Group Model Building (GMB) combines research partner engagement strategies with systems science to support researchers' and partners' learning about complex problems and to identify solutions through consensus. This paper specifies how GMB can operationalize implementation strategies — methods for supporting evidence implementation in real-world practice — and describes how GMB can aid in selecting and tailoring both health interventions and implementation strategies. A case study in child maltreatment prevention planning is provided to illustrate how GMB was used to specify the "actions" — strategy activities — for three implementation strategies (conduct local consensus discussions; build a coalition; model and simulate change) during the earliest implementation phases, with the goal of supporting intervention selection decisions. Examples are provided of generalizable research products that can be produced concurrently through GMB, in addition to contextually-driven implementation support. Participants (n = 8) were engaged over four sessions using tailored GMB activities. Participants generated a qualitative system dynamics model that described their theory of change for how to prevent child maltreatment in their communities. This theory of change reflected a dynamic understanding of the interconnected determinants of child maltreatment. GMB was acceptable to participants and resulted in products that could be used for implementation planning (e.g., to model and simulate change) and future research. GMB fostered trust and idea sharing between participants. GMB can facilitate learning about which outcomes are (or are not) impacted by interventions, which resources and approaches are required for quality implementation (e.g., implementation strategies), and tradeoffs in outcomes and resources between interventions. GMB also provides a structured, effective process to generate a shared implementation vision amongst participants. Lessons learned include methods for developing trust with and between participants, and the need for researchers to tailor GMB actions for participant and project needs.