Global Peginterferon Beta-1a Tolerability Management Best Practices: A Nurse-Focused Delphi Approach
Notice bibliographique
Résumé
INTRODUCTION: Injection site reactions (ISRs) and flu-like symptoms (FLS) are common in patients with relapsing forms of multiple sclerosis (MS) treated with peginterferon beta-1a. The purpose of this Delphi analysis was to explore peginterferon beta-1a discontinuation rates across MS treatment centers, to obtain consensus on effective mitigation and management strategies for ISRs and FLS, and to identify areas where additional training and education for nurses and patients could improve treatment outcomes. METHODS: In this modified Delphi process, an international steering committee of eight MS-certified nurses developed two rounds of surveys, which were completed by 262 and 188 MS nurses, respectively, representing nine countries. RESULTS: On average, nurses reported that 25% and 30% of patients treated with peginterferon beta-1a experienced ISRs and FLS, respectively. Discontinuation due to severe ISRs or FLS was most common in the first 6 months of treatment, yet follow-up visits typically took place 6 months after peginterferon beta-1a initiation. Preferred management strategies for ISRs included nonsteroidal anti-inflammatory drugs and rotation of the injection site, whereas preferred management strategies for FLS included acetaminophen/paracetamol and hydration/nutrition. Most nurses (77%) agreed that additional education and training on ISR and FLS management would bolster their confidence in treating patients with these symptoms. CONCLUSION: Delphi respondents reached consensus on ISR and FLS management strategies, which can help to inform treatment decisions. The results of this global Delphi analysis indicate that management of ISRs and FLS could be improved with more frequent follow-up visits and individualized training and education.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».