This data description contains code (written in the R programming language), as well as processed data and results presented in a research article (see references). No raw data are provided and the data that are made available cannot be linked to study participants. The sample consists of 180 of 308 eligible participants (adult primary care patients in Sweden, living with chronic illness) who responded to a Swedish web-based questionnaire at two time points. Using a confirmatory factor analysis, we calculated latent factor scores for 9 constructs, based on 34 questionnaire items. In this dataset, we share the latent factor scores and the latent profile analysis results. Although raw data are not shared, we provide the questionnaire item, including response scales. The code that was used to produce the latent factor scores and latent profile analysis results is also provided. The study was performed as part of a research project exploring how the use of eHealth services in chronic care influence interaction and collaboration between patients and healthcare. The purpose of the study was to identify subgroups of primary care patients who are similar with respect to their experiences of co-care, as measured by the DoCCA scale (von Thiele Schwarz, 2021). Baseline data were collected after patients had been introduced to an eHealth service that aimed to support them in their self-care and digital communication with healthcare; follow-up data were collected 7 months later. All patients were treated at the same primary care center, located in the Stockholm Region in Sweden. Cited reference: 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 The DATASET consists of two files: factorscores_docca.csv and latent-profile-analysis-results_docca.csv. * factorscores_docca.csv: This file contains 18 variables (columns) and 180 cases (rows). The variables represent latent factors (measured at two time points, T1 and T2) and the values are latent factor scores. The questionnaire data that were used to produce the latent factor scores consist of 20 items that measure experiences of collaboration with healthcare, based on the DoCCA scale. These items were included in the latent profile analysis. Additionally, latent factor scores reflecting perceived self-efficacy in self-care (6 items), satisfaction with healthcare (2 items), self-rated health (2 items), and perceived impact of e-health (4 items) were calculated. These items were used to make comparisons between profiles resulting from the latent profile analysis. Variable definitions are provided in a separate file (see below). * latent-profile-analysis-results_docca.csv: This file contains 14 variables (columns) and 180 cases (rows). The variables represent profile classifications (numbers and labels) and posterior classification probabilities for each of the identified profiles, 4 profiles at T1 and 5 profiles at T2. Transition probabilities (from T1 to T2 profiles) were not calculated due to lacking configural similarity of profiles at T1 and T2; hence no transition probabilities are provided. The ASSOCIATED DOCUMENTATION consists of one file with variable definitions in English and Swedish, and four script files (written in the R programming language): * variable-definitions_swe-eng.xlsx: This file consists of four sheets. Sheet 1 (scale-items_original_swedish) specifies the questionnaire items (in Swedish) that were used to calculate the latent factor scores; response scales are included. Sheet 2 (scale-items_translated_english) provides an English translation of the questionnaire items and response scales provided in Sheet 1. Sheet 3 (factorscores_docca) defines the variables in the factorscores_docca.csv dataset. Sheet 4 (latent-profile-analysis-results) defines the variables in the latent-profile-analysis-results_docca.csv dataset. * R-script_Step-0_Factor-scores.R: R script file with the code that was used to calculate the latent factor scores. This script can only be run with access to the raw data file which is not publicly shared due to ethical constraints. Hence, the purpose of the script file is code transparency. Also, the script shows the model specification that was used in the confirmatory factor analysis (CFA). Missingness in data was accounted for by using Full Information Maximum Likelihood (FIML). * R-script_Step-1_Latent-profile-analysis.R: R script file with the code that was used to run the latent profile analyses at T1 and T2 and produce profile plots. This code can be run with the provided dataset factorscores_docca.csv. Note that the script generates the results that are provided in the latent-profile-analysis-results_docca.csv dataset. * R-script_Step-2_Non-parametric-tests.R: R script file with the code that was used to run non-parametric tests for comparing exogenous variables between profiles at T1 and T2. This script uses the following datasets: factorscores_docca.csv and latent-profile-analysis-results_docca.csv. * R-script_Step-3_Class-transitions.R: R script file with the code that was used to create a sankey diagram for illustrating class transitions. This script uses the following dataset: latent-profile-analysis-results_docca.csv. Software requirements: To run the code, the R software environment and R packages specified in the script files need to be installed (open source). The scripts were produced in R version 4.2.1.

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.

Participants were purposefully sampled to participate in the pilot if they fulfilled the following criteria: diagnosed with hypertension, chronic heart failure, or mental health conditions (e.g., stress-related ill-health, insomnia, anxiety, and depressive disorders); able to speak Swedish; age > 18 years. The participants were recruited by the primary care center and all who participated in the pilot were invited to respond to the questionnaires.

Deltagare valdes ändamålsenligt ut att delta i piloten om de uppfyllde följande kriterier: diagnostiserade med förhöjt blodtryck, kronisk hjärtsvikt, eller mental ohälsa (tex. utmattning, sömnbesvär, ångestproblematik, depression); svensktalande; ålder > 18 år. Deltagare rekryterades genom vårdcentralen och alla som deltog i piloten bjöds in att besvara enkäterna.