Evaluation of a Personalized Subcutaneous Immunoglobulin Treatment Program for Neurological Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Subcutaneous immunoglobulin (SCIg) treatment has been shown to control symptoms and improve overall satisfaction in patients with neurological disorders. However, a large injection volume can be overwhelming and a barrier to successful SCIg treatment. We established a nurse-led individualized approach program to facilitate a smooth and successful treatment transition from intravenous immunoglobulin (IVIg) to SCIg. The program involved a lead nurse to provide two or more individual educational sessions on SCIg administration, establish a written transition plan, and liaise care with physicians. OBJECTIVES: We aimed to evaluate the impact of our program to a successful transition defined as SCIg retention or adherence without a need to restart IVIg by six or twelve months. METHODS: We reviewed medical charts of all patients with immune-mediated neuromuscular disorders who were in our program during January 2010 to Dec 2016. RESULTS: Nineteen patients were identified. Mean IVIg treatment duration was 31.5 months (range 4-98) before the transition. Mean steady state SCIg dosage was 26.2 g/week (SD 10.3). All patients were initially able to switch to SCIg, with a retention rate of 17/19 (89.5%) at six months and 15/19 (78.9%) at twelve months. Two patients reverted back to IVIg treatment due to worsening of their symptoms at two and three months, while two required supplemental IVIg infusions. There were no major adverse events reported during the twelve-month period, but one minor cutaneous adverse event (redness around the injection site). CONCLUSIONS: Successful treatment transition may be achieved with the nurse led individualized approach program.
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.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,008 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle