Direct Adherence Measurement Using an Ingestible Sensor Compared With Self-Reporting in High-Risk Cardiovascular Disease Patients Who Knew They Were Being Measured: A Prospective Intervention
Notice bibliographique
Résumé
BACKGROUND: Use of appropriate cardioprotective medication is a cornerstone of cardiovascular disease prevention, but less-than-optimal patient adherence is common. Thus, strategies for improving adherence are recommended to adopt a multifaceted approach. OBJECTIVE: The objective of our study was to test a system comprising a biodegradable, ingestible sensor for direct measurement of medication ingestion in a group of patients at elevated cardiovascular risk attending a cardiac prevention and rehabilitation program. METHODS: In this prospective intervention trial in a single group of 21 patients running from April 2014 to June 2015, we measured adherence by self-report and adherence determined objectively by the system. The sensor emits a signal when it encounters the acidic environment of the stomach, detectable by an externally worn patch and linked software app. Longitudinal adherence data in the form of daily progress charts for sensed dosing events as compared with scheduled dosing are visible to patients on their tablet computer's medication dosing app, thus providing patients with continuous medication adherence feedback. We sought feedback on patient acceptability by questionnaire assessment. Participants used the system for the 12-week period of their cardiac prevention and rehabilitation program. RESULTS: Only 1 patient at initial assessment and 1 patient at end-of-program assessment reported often missing medication. The remaining patients reported never missing medication or had missing data. Only 12 (57%) of patients overall achieved system-determined adherence of 80% or more, and 3 patients had scores below 40%. Participants reported high levels of acceptability. CONCLUSIONS: This integrated system was well tolerated in a group of 21 patients over an appreciable time frame. Its ability to measure adherence reveals the sizeable disconnect between patient self-reported adherence and actual medication taking and has promising potential for clinical use as a tool to encourage better medication-taking behavior due to its ability to provide continuous patient-level feedback.
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 | 0,001 |
| 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 | 0,001 | 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 ».