The effect of text messaging on latent tuberculosis treatment adherence: a randomised controlled trial
Notice bibliographique
Résumé
There is limited high-quality evidence available to inform the use of text messaging to improve latent tuberculosis infection (LTBI) treatment adherence.We performed a parallel, randomised controlled trial at two sites to assess the effect of a two-way short message service on LTBI adherence. We enrolled adults initiating LTBI therapy from June 2012 to September 2015 in British Columbia, Canada. Participants were randomised in a 1:1 ratio to standard LTBI treatment (control) or standard LTBI treatment plus two-way weekly text messaging (intervention). The primary outcome was treatment completion, defined as taking ≥80% prescribed doses within 12 months (isoniazid) or 6 months (rifampin) of enrolment. The trial was unblinded except for the data analyst.A total of 358 participants were assigned to the intervention (n=170) and control (n=188) arms. In intention-to-treat analysis, the proportion of participants completing LTBI therapy in the intervention and control arms was 79.4% and 81.9%, respectively (RR 0.97, 95% CI 0.88-1.07; p=0.550). Results were similar for pre-specified secondary end-points, including time-to-completion of LTBI therapy, completion of >90% of prescribed LTBI doses and health-related quality of life.Weekly two-way text messaging did not improve LTBI completion rates compared to standard LTBI care; however, completion rates were high in both treatment arms.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».