A randomised clinical trial of feedback on inhaler adherence and technique in patients with severe uncontrolled asthma
Notice bibliographique
Résumé
In severe asthma, poor control could reflect issues of medication adherence or inhaler technique, or that the condition is refractory. This study aimed to determine if an intervention with (bio)feedback on the features of inhaler use would identify refractory asthma and enhance inhaler technique and adherence. Patients with severe uncontrolled asthma were subjected to a stratified-by-site random block design. The intensive education group received repeated training in inhaler use, adherence and disease management. The intervention group received the same intervention, enhanced by (bio)feedback-guided training. The primary outcome was rate of actual inhaler adherence. Secondary outcomes included a pre-defined assessment of clinical outcome. Outcome assessors were blinded to group allocation. Data were analysed on an intention-to-treat and per-protocol basis. The mean rate of adherence during the third month in the (bio)feedback group (n=111) was higher than that in the enhanced education group (intention-to-treat, n=107; 73% versus 63%; 95% CI 2.8%–17.6%; p=0.02). By the end of the study, asthma was either stable or improved in 54 patients (38%); uncontrolled, but poorly adherent in 52 (35%); and uncontrolled, but adherent in 40 (27%). Repeated feedback significantly improved inhaler adherence. After a programme of adherence and inhaler technique assessment, only 40 patients (27%) were refractory and adherent, and might therefore need add-on therapy.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».