Assessing adherence to oral chemotherapy using different measurement methods: Lessons learned from capecitabine
Notice bibliographique
Résumé
PURPOSE: Adherence to oral medication is important in oncology. Few studies have evaluated adherence with cancer agents such as capecitabine, which is given on a complicated schedule. Furthermore, little guidance exists regarding the best methods for monitoring adherence with oral cancer drugs. The purpose of our study was to evaluate adherence to capecitabine using several accepted measures. PATIENTS AND METHODS: Patients treated with capecitabine for gastrointestinal cancers were included in this prospective cohort study. Adherence was evaluated during two consecutive cycles of capecitabine using three assessment methods: self-report, pill count, and use of a microelectronic monitoring system. The primary endpoint was proportion of patients adherent to capecitabine (>80% of adherence according to the three methods of measurement); the secondary objective was to compare the three methods of measurement. RESULTS: Nineteen patients were accrued to this study. Further accrual was stopped after the first planned analysis, because 18 and 19 patients were adherent by self-report and pill count, respectively. The overall adherence rates were 99, 100, and 61% with self-report, pill count, and microelectronic monitoring system cap, respectively. Ten (53%) patients were classified as nonadherent (<80% of adherence according to at least one method of measurement), but four of them transferred their pills into another medication container suggesting that measurement of adherence using microelectronic monitoring system technology may not be useful. CONCLUSION: While we did not identify a major adherence issue with capecitabine in our study, it provides insight into problems associated with measurement of adherence in oncology and suggests that combining measures of adherence maximizes accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».