Usefulness of Cellular Text Messaging for Improving Adherence Among Adolescents and Young Adults with Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: In a cohort of 70 patients with childhood-onset systemic lupus erythematosus (cSLE): to determine the baseline adherence to medications and visits; to investigate the effects of cellular text messaging reminders (CTMR) on adherence to clinic visits; and to study the influence of CTMR on adherence to use of hydroxychloroquine (HCQ). METHODS: CTMR were sent to 70 patients prior to clinic visits for 14 months. A subgroup of patients were evaluated for medication adherence to HCQ: 19 patients receiving CTMR prior to each scheduled HCQ dose were compared to 22 patients randomized to standard of care education about HCQ. Visit adherence was measured using administrative databases. Pharmacy refill information, self-report of adherence, and HCQ blood levels were utilized to monitor medication adherence to HCQ. Sufficient adherence to visits or HCQ was defined as estimates > 80%. Disease activity was primarily monitored with the Systemic Lupus Erythematosus Disease Activity Index. RESULTS: At baseline, 32% of patients were sufficiently adherent to HCQ, and 81% to clinic visits. Visit adherence improved significantly by > 80% among those who were nonadherent to clinic visits at the baseline CTMR (p = 0.01). CTMR did not influence adherence to HCQ over time. CONCLUSION: Patients with cSLE were only modestly adherent to HCQ and clinic visits. CTMR may be effective for improving visit adherence among adolescents and young adults with cSLE, but it does not improve adherence to HCQ.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».