A Method to Calculate Adherence to Inhaled Therapy that Reflects the Changes in Clinical Features of Asthma
Notice bibliographique
Résumé
RATIONALE: Currently, studies on adherence to inhaled medications report average adherence over time. This measure does not account for variations in the interval between doses, nor for errors in inhaler use. OBJECTIVES: To investigate whether adherence calculated as a single area under the (concentration-time) curve (AUC) measure, incorporating the interval between doses and inhaler technique, was more reflective of patient outcomes than were current methods of assessing adherence. METHODS: We attached a digital audio device (INhaler Compliance Assessment) to a dry powder inhaler. This recorded when the inhaler was used, and analysis of the audio data indicated if the inhaler had been used correctly. These aspects of inhaler use were combined to calculate adherence over time, as an AUC measure. Over a 3-month period, a cohort of patients with asthma was studied. Adherence to a twice-daily inhaler preventer therapy using this device and clinical measures were assessed. MEASUREMENTS AND MAIN RESULTS: Recordings from 239 patients with severe asthma were analyzed. Average adherence that was based on the dose counter was 84.4%, whereas the ratio of expected to observed accumulated AUC, actual adherence, was 61.8% (P < 0.01). Of all the adherence measures, only adherence calculated as AUC reflected changes in asthma quality of life, β-agonist reliever use, and peak expiratory flow over the 3 months (P < 0.05 compared with other measures of adherence). CONCLUSIONS: Adherence that incorporates the interval between doses and inhaler technique, and calculated as AUC, is more reflective of changes in quality of life and lung function than are the currently used measures of adherence. Clinical trial registered with www.clinicaltrials.gov (NCT 01529697).
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».