Acceptance, Adherence and Dropout Rates of Individuals With COPD Approached in Tele-Monitoring Interventions: A Systematic Review
Notice bibliographique
Résumé
Background:To assess the benefits of telemonitoring (TM) on decreasing exacerbations and emergency room visits with COPD, it is important to evaluate the factors that impact acceptance and successful adherence to TM. The objective of this study was to conduct a systematic review of TM studies with COPD, to evaluate the (1) acceptance, adherence, and dropout rates, and (2) identify the reasons for dropout. Methods:Included studies were randomized control trials and observational single arm pre-post trials that evaluated TM with COPD. A systematic search was performed in CINAHL, MEDLINE (Ovid), Cochrane library, and Embase databases. The Preferred Reporting Items for Systematic review and Meta-Analysis (PRISMA) guidelines was used to guide the selection process. Two independent reviewers retrieved titles, abstracts, and full texts, and completed data extractions. Acceptance rate refers to the number of participants who consented to enroll in TM studies over the number approached. Adherence rate refers to the total participants who completed TM over the number who started TM. Dropout rate refers to the number of participants who dropped out over the number who consented. All rates were calculated as percentages. Results:Among 1,460 abstracts identified, 90 articles underwent full-text review and 33 articles were eligible and included. Twenty-seven were randomized controlled trials, and six were pre-post studies. Acceptance rate for all included studies was an average of 52% and ranged from 6% to 100%. The average adherence rate was 77% and ranged from 41% to 100%. The average dropout rate was 22% and ranged from 2% to 58%. Across the 33 studies, 369 participants reported reasons for dropout. TM related reasons for dropouts included technical difficulties (33%), complicated TM system (31%), and time constraints (9%). Patient-related reasons included hospitalization (37%), deceased (18%), lack of interest to continue (12%), and moved from study location (3%). Conclusions:The acceptance, adherence, and dropout rates of TM were variable. Most reasons for dropout were related to patient or TM features. The current review suggests optimizing the design of TM studies by considering patient-related and TM-related reasons to increase the acceptance and decrease the dropout rate in the future research. The next step will be to evaluate significant predictors of adherence and dropout rates in included studies.
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 | 0,038 | 0,134 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,014 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».