Interrupted time series (ITS) analysis is a valuable study design for evaluating the effectiveness of population-level health interventions that have been implemented at a clearly defined point in time. It is increasingly being used to evaluate the effectiveness of interventions ranging from clinical therapy to national public health legislation. Whereas the design shares many properties of regression-based approaches in other epidemiological studies, there are a range of unique features of time series data that require additional methodological considerations. In this tutorial we use a worked example to demonstrate a robust approach to ITS analysis using segmented regression. We begin by describing the design and considering when ITS is an appropriate design choice. We then discuss the essential, yet often omitted, step of proposing the impact model a priori. Subsequently, we demonstrate the approach to statistical analysis including the main segmented regression model. Finally we describe the main methodological issues associated with ITS analysis: over-dispersion of time series data, autocorrelation, adjusting for seasonal trends and controlling for time-varying confounders, and we also outline some of the more complex design adaptations that can be used to strengthen the basic ITS design.

Epidemiology, sociology, and geography have been successful in re-establishing interest in the role of place in shaping health and health inequalities. However, some of the relevant empirical research has relied on rather conventional conceptions of space and place and focused on isolating the "independent" contribution of place-level and individual-level factors. This approach may have resulted in an underestimate of the contribution of 'place' to disease risk. In this paper we argue the case for extensive (quantitative) as well as intensive (qualitative) empirical, as well as theoretical, research on health variation that incorporates 'relational', views of space and place. Specifically, we argue that research in place and health should avoid the false dualism of context and composition by recognising that there is a mutually reinforcing and reciprocal relationship between people and place. We explore in the discussion how these theoretical perspectives are beginning to influence empirical research. We argue that these approaches to understanding how place relates to health are important in order to deliver effective, 'contextually sensitive' policy interventions.

Despite major investment in both research and policy, many pressing contemporary public health challenges remain. To date, the evidence underpinning responses to these challenges has largely been generated by tools and methods that were developed to answer questions about the effectiveness of clinical interventions, and as such are grounded in linear models of cause and effect. Identification, implementation, and evaluation of effective responses to major public health challenges require a wider set of approaches 1 Academy of Medical SciencesImproving the health of the public by 2040: optimising the research environment for a healthier, fairer future. September, 2016https://acmedsci.ac.uk/policy/policy-projects/health-of-the-public-in-2040 Google Scholar , 2 Gerhardus A Becher H Groenewegen P et al. Applying for, reviewing and funding public health research in Germany and beyond. Health Res Policy Syst. 2016; 14: 43 Crossref PubMed Scopus (11) Google Scholar and a focus on complex systems. 3 Diez Roux AV Complex systems thinking and current impasses in health disparities research. Am J Public Health. 2011; 101: 1627-1634 Crossref PubMed Scopus (240) Google Scholar , 4 Fink DS Keyes KM Wrong answers: when simple interpretations create complex problems. in: El-Sayed AM Galea S Systems science and population health. Oxford University Press, New York2017: 25-36 Crossref Google Scholar Planetary health: a new sociopolitical framework is urgently neededWe welcome the Lecture by Samuel S Myers (Dec 23, 2017, p 2860)1 on planetary health. Paul J Crutzen assigned the term Anthropocene to “the present, in many ways human-dominated, geological epoch”.2 The capacity of mankind to shape its own habitat is a major environmental force. More than 15 000 scientists proclaimed that urgent changes are needed to avoid the consequences of humanity's impact on the environment and reverse the trend of collapsing the delicate planetary health.3 Full-Text PDF Systems modelling tools to support policy and planningIn their Viewpoint, Harry Rutter and colleagues (Dec 9, 2017, p 2602)1 make another welcomed call for increased uptake and investment in systems modelling tools to provide evidence better suited to addressing complex public health problems. We note the authors' assessment that systems modelling tools and approaches are “rarely operationalised in ways that generate relevant evidence” to support public health policy and practice. We disagree with this assessment and provide a broader perspective to show the efforts and progress in using systems modelling tools to support complex public health problems. Full-Text PDF Research and training recommendations for public health data scienceThe 2019 Next Generation Public Health meeting provided several useful recommendations on how big data and artificial intelligence (AI) could enhance public health.1 To realise the full benefits of these developments, I propose two further recommendations. First, research studies should be done that will enable us to better understand the strengths, limitations, and applications of these new tools and data. Second, we need to train individuals who can bridge a skills gap that will enable the public health science community to fully engage with these developments. Full-Text PDF Open Access

National and local policies to improve diet in low-income US populations include increasing physical access to grocery stores and supermarkets in underserved neighborhoods. In a pilot study that evaluated the impacts of opening a new supermarket in a Philadelphia community considered a “food desert”—part of the Pennsylvania Fresh Food Financing Initiative—we found that the intervention moderately improved residents’ perceptions of food accessibility. However, it did not lead to changes in reported fruit and vegetable intake or body mass index. The effectiveness of interventions to improve physical access to food and reduce obesity by encouraging supermarkets to locate in underserved areas therefore remains unclear. Nevertheless, the present findings suggest that simply improving a community’s retail food infrastructure may not produce desired changes in food purchasing and consumption patterns. Complementary policy changes and interventions may be needed to help consumers bridge the gap between perception and action. The replication of our findings in other settings and research into the factors that influence community residents’ receptivity to improved food access are urgently required.

Interrupted time series analysis differs from most other intervention study designs in that it involves a before-after comparison within a single population, rather than a comparison with a control group. This has the advantage that selection bias and confounding due to between-group differences are limited. However, the basic interrupted time series design cannot exclude confounding due to co-interventions or other events occurring around the time of the intervention. One approach to minimizse potential confounding from such simultaneous events is to add a control series so that there is both a before-after comparison and an intervention-control group comparison. A range of different types of controls can be used with interrupted time series designs, each of which has associated strengths and limitations. Researchers undertaking controlled interrupted time series studies should carefully consider a priori what confounding events may exist and whether different controls can exclude these or if they could introduce new sources of bias to the study. A prudent approach to the design, analysis and interpretation of controlled interrupted time series studies is required to ensure that valid information on the effectiveness of health interventions can be ascertained.

Cyberbullying differs from face-to-face bullying and may negatively influence adolescent mental health, but there is a lack of definitive research on this topic. This study examines longitudinal associations between cyberbullying involvement and adolescent mental health.Participants were 2,480 teenagers taking part in the Olympic Regeneration in East London study. We collected information from participants when they were 12-13 years old and again 1 year later to examine links between involvement in cyberbullying and future symptoms of depression and social anxiety, and mental well-being.At baseline, 14% reported being cybervictims, 8% reported being cyberbullies, and 20% reported being cyberbully-victims in the previous year. Compared to uninvolved adolescents, cybervictims and cyberbully-victims were significantly more likely to report symptoms of depression (cybervictims: odds ratio [OR] = 1.44, 95% confidence interval [CI] [1.00, 2.06]; cyberbully-victims: OR = 1.54, 95% CI [1.13, 2.09]) and social anxiety (cybervictims: OR = 1.52, 95% CI [1.11, 2.07]; cyberbully-victims: OR = 1.44, 95% CI [1.10, 1.89]) but not below average well-being (cybervictims: relative risk ratio = 1.28, 95% CI [.86, 1.91]; cyberbully-victims: relative risk ratio = 1.38, 95% CI [.95, 1.99]) at 1 year follow-up, after adjustment for confounding factors including baseline mental health.This study emphasizes the high prevalence of cyberbullying and the potential of cybervictimization as a risk factor for future depressive symptoms, social anxiety symptoms, and below average well-being among adolescents. Future research should identify protective factors and possible interventions to reduce adolescent cyberbullying.

Multiple deprivation indicators are frequently used to capture the characteristics of an area. This is a useful approach for identifying the most deprived areas, and summary indices are good predictors of mortality and morbidity, but it remains unclear which aspects of the residential environment are most salient for health. A further question is whether the most important aspects vary for different types of residents. This paper focuses on whether associations with neighbourhood characteristics are different for men and women. The sociopolitical and physical environment, amenities, and indicators of economic deprivation and affluence were measured in neighbourhoods in the UK, and their relationship with self-rated health was investigated using multilevel regression models. Each of these contextual domains was associated with self-rated health over and above individual socioeconomic characteristics. The magnitude of the association was larger for women in each case. Statistically significant interactions between gender and residential environment were found for trust, integration into wider society, left-wing political climate, physical quality of the residential environment, and unemployment rate. These findings add to the literature indicating greater effects of non-work-based stressors for women and highlight the influence of the residential environment on women's health.

Although it might be assumed that most public health programmes involving social or behavioural rather than clinical interventions are unlikely to be iatrogenic, it is well established that they can sometimes cause serious harms. However, the assessment of adverse effects remains a neglected topic in evaluations of public health interventions. In this paper, we first argue for the importance of evaluations of public health interventions not only aiming to examine potential harms but also the mechanisms that might underlie these harms so that they might be avoided in the future. Second, we examine empirically whether protocols for the evaluation of public health interventions do examine harmful outcomes and underlying mechanisms and, if so, how. Third, we suggest a new process by which evaluators might develop 'dark logic models' to guide the evaluation of potential harms and underlying mechanisms, which includes: theorisation of agency-structure interactions; building comparative understanding across similar interventions via reciprocal and refutational translation; and consultation with local actors to identify how mechanisms might be derailed, leading to harmful consequences. We refer to the evaluation of a youth work intervention which unexpectedly appeared to increase the rate of teenage pregnancy it was aiming to reduce, and apply our proposed process retrospectively to see how this might have strengthened the evaluation. We conclude that the theorisation of dark logic models is critical to prevent replication of harms. It is not intended to replace but rather to inform empirical evaluation.

Placing full-service supermarkets in food deserts—areas with limited access to healthy food—has been promoted as a way to reduce inequalities in access to healthy food, improve diet, and reduce the risk of obesity. However, previous studies provide scant evidence of such impacts. We surveyed households in two Pittsburgh, Pennsylvania, neighborhoods in 2011 and 2014, one of which received a new supermarket in 2013. Comparing trends in the two neighborhoods, we obtained evidence of multiple positive impacts from new supermarket placement. In the new supermarket neighborhood we found net positive changes in overall dietary quality; average daily intakes of kilocalories and added sugars; and percentage of kilocalories from solid fats, added sugars, and alcohol. However, the only positive outcome in the recipient neighborhood specifically associated with regular use of the new supermarket was improved perceived access to healthy food. We did not observe differential improvement between the neighborhoods in fruit and vegetable intake, whole grain consumption, or body mass index. Incentivizing supermarkets to locate in food deserts is appropriate. However, efforts should proceed with caution, until the mechanisms by which the stores affect diet and their ability to influence weight status are better understood.