The past decade has seen considerable interest in the development and evaluation of complex interventions to improve health. Such interventions can only have a significant impact on health and health care if they are shown to be effective when tested, are capable of being widely implemented and can be normalised into routine practice. To date, there is still a problematic gap between research and implementation. The Normalisation Process Theory (NPT) addresses the factors needed for successful implementation and integration of interventions into routine work (normalisation). In this paper, we suggest that the NPT can act as a sensitising tool, enabling researchers to think through issues of implementation while designing a complex intervention and its evaluation. The need to ensure trial procedures that are feasible and compatible with clinical practice is not limited to trials of complex interventions, and NPT may improve trial design by highlighting potential problems with recruitment or data collection, as well as ensuring the intervention has good implementation potential. The NPT is a new theory which offers trialists a consistent framework that can be used to describe, assess and enhance implementation potential. We encourage trialists to consider using it in their next trial.

Theories are important tools in the social and natural sciences. The methods by which they are derived are rarely described and discussed. Normalization Process Theory explains how new technologies, ways of acting, and ways of working become routinely embedded in everyday practice, and has applications in the study of implementation processes. This paper describes the process by which it was built. Between 1998 and 2008, we developed a theory. We derived a set of empirical generalizations from analysis of data collected in qualitative studies of healthcare work and organization. We developed an applied theoretical model through analysis of empirical generalizations. Finally, we built a formal theory through a process of extension and implication analysis of the applied theoretical model. Each phase of theory development showed that the constructs of the theory did not conflict with each other, had explanatory power, and possessed sufficient robustness for formal testing. As the theory developed, its scope expanded from a set of observed regularities in data with procedural explanations, to an applied theoretical model, to a formal middle-range theory. Normalization Process Theory has been developed through procedures that were properly sceptical and critical, and which were opened to review at each stage of development. The theory has been shown to merit formal testing.

BackgroundFrailty is associated with older age and multimorbidity (two or more long-term conditions); however, little is known about its prevalence or effects on mortality in younger populations. This paper aims to examine the association between frailty, multimorbidity, specific long-term conditions, and mortality in a middle-aged and older aged population.MethodsData were sourced from the UK Biobank. Frailty phenotype was based on five criteria (weight loss, exhaustion, grip strength, low physical activity, slow walking pace). Participants were deemed frail if they met at least three criteria, pre-frail if they fulfilled one or two criteria, and not frail if no criteria were met. Sociodemographic characteristics and long-term conditions were examined. The outcome was all-cause mortality, which was measured at a median of 7 years follow-up. Multinomial logistic regression compared sociodemographic characteristics and long-term conditions of frail or pre-frail participants with non-frail participants. Cox proportional hazards models examined associations between frailty or pre-frailty and mortality. Results were stratified by age group (37–45, 45–55, 55–65, 65–73 years) and sex, and were adjusted for multimorbidity count, socioeconomic status, body-mass index, smoking status, and alcohol use.Findings493 737 participants aged 37–73 years were included in the study, of whom 16 538 (3%) were considered frail, 185 360 (38%) pre-frail, and 291 839 (59%) not frail. Frailty was significantly associated with multimorbidity (prevalence 18% [4435/25 338] in those with four or more long-term conditions; odds ratio [OR] 27·1, 95% CI 25·3–29·1) socioeconomic deprivation, smoking, obesity, and infrequent alcohol consumption. The top five long-term conditions associated with frailty were multiple sclerosis (OR 15·3; 99·75% CI 12·8–18·2); chronic fatigue syndrome (12·9; 11·1–15·0); chronic obstructive pulmonary disease (5·6; 5·2–6·1); connective tissue disease (5·4; 5·0–5·8); and diabetes (5·0; 4·7–5·2). Pre-frailty and frailty were significantly associated with mortality for all age strata in men and women (except in women aged 37–45 years) after adjustment for confounders.InterpretationEfforts to identify, manage, and prevent frailty should include middle-aged individuals with multimorbidity, in whom frailty is significantly associated with mortality, even after adjustment for number of long-term conditions, sociodemographics, and lifestyle. Research, clinical guidelines, and health-care services must shift focus from single conditions to the requirements of increasingly complex patient populations.FundingCSO Catalyst Grant and National Health Service Research for Scotland Career Research Fellowship.

The burden of treatment for many people with complex, chronic, comorbidities reduces their capacity to collaborate in their care. Carl May, Victor Montori, and Frances Mair argue that to be effective, care must be less disruptive

Abstract Background The Normalization Process Model is a theoretical model that assists in explaining the processes by which complex interventions become routinely embedded in health care practice. It offers a framework for process evaluation and also for comparative studies of complex interventions. It focuses on the factors that promote or inhibit the routine embedding of complex interventions in health care practice. Methods A formal theory structure is used to define the model, and its internal causal relations and mechanisms. The model is broken down to show that it is consistent and adequate in generating accurate description, systematic explanation, and the production of rational knowledge claims about the workability and integration of complex interventions. Results The model explains the normalization of complex interventions by reference to four factors demonstrated to promote or inhibit the operationalization and embedding of complex interventions (interactional workability, relational integration, skill-set workability, and contextual integration). Conclusion The model is consistent and adequate. Repeated calls for theoretically sound process evaluations in randomized controlled trials of complex interventions, and policy-makers who call for a proper understanding of implementation processes, emphasize the value of conceptual tools like the Normalization Process Model.

In this article we outline Burden of Treatment Theory, a new model of the relationship between sick people, their social networks, and healthcare services. Health services face the challenge of growing populations with long-term and life-limiting conditions, they have responded to this by delegating to sick people and their networks routine work aimed at managing symptoms, and at retarding - and sometimes preventing - disease progression. This is the new proactive work of patient-hood for which patients are increasingly accountable: founded on ideas about self-care, self-empowerment, and self-actualization, and on new technologies and treatment modalities which can be shifted from the clinic into the community. These place new demands on sick people, which they may experience as burdens of treatment.As the burdens accumulate some patients are overwhelmed, and the consequences are likely to be poor healthcare outcomes for individual patients, increasing strain on caregivers, and rising demand and costs of healthcare services. In the face of these challenges we need to better understand the resources that patients draw upon as they respond to the demands of both burdens of illness and burdens of treatment, and the ways that resources interact with healthcare utilization.Burden of Treatment Theory is oriented to understanding how capacity for action interacts with the work that stems from healthcare. Burden of Treatment Theory is a structural model that focuses on the work that patients and their networks do. It thus helps us understand variations in healthcare utilization and adherence in different healthcare settings and clinical contexts.

Objectives To investigate severe COVID-19 risk by occupational group. Methods Baseline UK Biobank data (2006–10) for England were linked to SARS-CoV-2 test results from Public Health England (16 March to 26 July 2020). Included participants were employed or self-employed at baseline, alive and aged <65 years in 2020. Poisson regression models were adjusted sequentially for baseline demographic, socioeconomic, work-related, health, and lifestyle-related risk factors to assess risk ratios (RRs) for testing positive in hospital or death due to COVID-19 by three occupational classification schemes (including Standard Occupation Classification (SOC) 2000). Results Of 120 075 participants, 271 had severe COVID-19. Relative to non-essential workers, healthcare workers (RR 7.43, 95% CI 5.52 to 10.00), social and education workers (RR 1.84, 95% CI 1.21 to 2.82) and other essential workers (RR 1.60, 95% CI 1.05 to 2.45) had a higher risk of severe COVID-19. Using more detailed groupings, medical support staff (RR 8.70, 95% CI 4.87 to 15.55), social care (RR 2.46, 95% CI 1.47 to 4.14) and transport workers (RR 2.20, 95% CI 1.21 to 4.00) had the highest risk within the broader groups. Compared with white non-essential workers, non-white non-essential workers had a higher risk (RR 3.27, 95% CI 1.90 to 5.62) and non-white essential workers had the highest risk (RR 8.34, 95% CI 5.17 to 13.47). Using SOC 2000 major groups, associate professional and technical occupations, personal service occupations and plant and machine operatives had a higher risk, compared with managers and senior officials. Conclusions Essential workers have a higher risk of severe COVID-19. These findings underscore the need for national and organisational policies and practices that protect and support workers with an elevated risk of severe COVID-19.

COVID-19 and low levels of vitamin D appear to disproportionately affect black and minority ethnic individuals. We aimed to establish whether blood 25-hydroxyvitamin D (25(OH)D) concentration was associated with COVID-19 risk, and whether it explained the higher incidence of COVID-19 in black and South Asian people. UK Biobank recruited 502,624 participants aged 37–73 years between 2006 and 2010. Baseline exposure data, including 25(OH)D concentration and ethnicity, were linked to COVID-19 test results. Univariable and multivariable logistic regression analyses were performed for the association between 25(OH)D and confirmed COVID-19, and the association between ethnicity and both 25(OH)D and COVID-19. Complete data were available for 348,598 UK Biobank participants. Of these, 449 had confirmed COVID-19 infection. Vitamin D was associated with COVID-19 infection univariably (OR = 0.99; 95% CI 0.99–0.999; p = 0.013), but not after adjustment for confounders (OR = 1.00; 95% CI = 0.998–1.01; p = 0.208). Ethnicity was associated with COVID-19 infection univariably (blacks versus whites OR = 5.32, 95% CI = 3.68–7.70, p-value<0.001; South Asians versus whites OR = 2.65, 95% CI = 1.65–4.25, p-value<0.001). Adjustment for 25(OH)D concentration made little difference to the magnitude of the association. Our findings do not support a potential link between vitamin D concentrations and risk of COVID-19 infection, nor that vitamin D concentration may explain ethnic differences in COVID-19 infection.

Abstract Background Understanding of the role of ethnicity and socioeconomic position in the risk of developing SARS-CoV-2 infection is limited. We investigated this in the UK Biobank study. Methods The UK Biobank study recruited 40–70-year-olds in 2006–2010 from the general population, collecting information about self-defined ethnicity and socioeconomic variables (including area-level socioeconomic deprivation and educational attainment). SARS-CoV-2 test results from Public Health England were linked to baseline UK Biobank data. Poisson regression with robust standard errors was used to assess risk ratios (RRs) between the exposures and dichotomous variables for being tested, having a positive test and testing positive in hospital. We also investigated whether ethnicity and socioeconomic position were associated with having a positive test amongst those tested. We adjusted for covariates including age, sex, social variables (including healthcare work and household size), behavioural risk factors and baseline health. Results Amongst 392,116 participants in England, 2658 had been tested for SARS-CoV-2 and 948 tested positive (726 in hospital) between 16 March and 3 May 2020. Black and south Asian groups were more likely to test positive (RR 3.35 (95% CI 2.48–4.53) and RR 2.42 (95% CI 1.75–3.36) respectively), with Pakistani ethnicity at highest risk within the south Asian group (RR 3.24 (95% CI 1.73–6.07)). These ethnic groups were more likely to be hospital cases compared to the white British. Adjustment for baseline health and behavioural risk factors led to little change, with only modest attenuation when accounting for socioeconomic variables. Socioeconomic deprivation and having no qualifications were consistently associated with a higher risk of confirmed infection (RR 2.19 for most deprived quartile vs least (95% CI 1.80–2.66) and RR 2.00 for no qualifications vs degree (95% CI 1.66–2.42)). Conclusions Some minority ethnic groups have a higher risk of confirmed SARS-CoV-2 infection in the UK Biobank study, which was not accounted for by differences in socioeconomic conditions, baseline self-reported health or behavioural risk factors. An urgent response to addressing these elevated risks is required.

PURPOSE Our goal was to assess the burden associated with treatment among patients living with chronic heart failure and to determine whether Normalization Process Theory (NPT) is a useful framework to help describe the components of treatment burden in these patients. METHODS We performed a secondary analysis of qualitative interview data, using framework analysis, informed by NPT, to determine the components of patient "work." Participants were 47 patients with chronic heart failure managed in primary care in the United Kingdom who had participated in an earlier qualitative study about living with this condition. We identified and examined data that fell outside of the coding frame to determine if important concepts or ideas were being missed by using the chosen theoretical framework. RESULTS We were able to identify and describe components of treatment burden as distinct from illness burden using the framework. Treatment burden in chronic heart failure includes the work of developing an understanding of treatments, interacting with others to organize care, attending appointments, taking medications, enacting lifestyle measures, and appraising treatments. Factors that patients reported as increasing treatment burden included too many medications and appointments, barriers to accessing services, fragmented and poorly organized care, lack of continuity, and inadequate communication between health professionals. Patient "work" that fell outside of the coding frame was exclusively emotional or spiritual in nature. CONCLUSIONS We identified core components of treatment burden as reported by patients with chronic heart failure. The findings suggest that NPT is a theoretical framework that facilitates understanding of experiences of health care work at the individual, as well as the organizational, level. Although further exploration and patient endorsement are necessary, our findings lay the foundation for a new target for treatment and quality improvement efforts toward patient-centered care.