An Internet-based Controlled Trial Aimed to Improve Osteoporosis Prevention among Chronic Glucocorticoid Users
Notice bibliographique
Résumé
OBJECTIVE: To address the low prevention and treatment rates for those at risk of glucocorticoid-induced osteoporosis (GIOP), we evaluated the influence of a direct-to-patient, Internet-based educational video intervention using "storytelling" on rates of antiosteoporosis medication use among chronic glucocorticoid users who were members of an online pharmacy refill service. METHODS: We identified members who refilled ≥ 5 mg/day of prednisone (or equivalent) for 90 contiguous days and had no GIOP therapy for ≥ 12 months. Using patient stories, we developed an online video addressing risk factors and treatment options, and delivered it to members refilling a glucocorticoid prescription. The intervention consisted of two 45-day "Video ON" periods, during which the video automatically appeared at the time of refill, and two 45-day "Video OFF" periods, during which there was no video. Members could also "self-initiate" watching the video by going to the video link. We used an interrupted time series design to evaluate the effectiveness of this intervention on GIOP prescription therapies over 6 months. RESULTS: Among 3017 members (64.8%) exposed to the intervention, 59% had measurable video viewing time, of which 3% "self-initiated" the video. The GIOP prescription rate in the "Video ON" group was 2.9% versus 2.7% for the "Video OFF" group. There was a nonsignificant trend toward greater GIOP prescription in members who self-initiated the video versus automated viewing (5.7% vs 2.9%, p = 0.1). CONCLUSION: Among adults at high risk of GIOP, prescription rates were not significantly affected by an online educational video presented at the time of glucocorticoid refill. ClinicalTrials.gov Identifier: NCT01378689.
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 ».