Mobile Tuberculosis Treatment Support Tools to Increase Treatment Success in Patients with Tuberculosis in Argentina: Protocol for a Randomized Controlled Trial
Notice bibliographique
Résumé
BACKGROUND: Tuberculosis (TB) is an urgent global health threat and the world's deadliest infectious disease despite being largely curable. A critical challenge is to ensure that patients adhere to the full course of treatment to prevent the continued spread of the disease and development of drug-resistant disease. Mobile health interventions hold promise to provide the required adherence support to improve TB treatment outcomes. OBJECTIVE: This study aims to evaluate the effectiveness of the TB treatment support tools (TB-TSTs) intervention on treatment outcomes (success and default) and to assess patient and provider perceptions of the facilitators and barriers to TB-TSTs implementation. METHODS: The TB-TSTs study is an open-label, randomized controlled trial with 2 parallel groups in which 400 adult patients newly diagnosed with TB will be randomly assigned to receive usual care or usual care plus TB-TSTs. Participants will be recruited on a rolling basis from 4 clinical sites in Argentina. The intervention consists of a smartphone progressive web app, a treatment supporter (eg, TB nurse, physician, or social worker), and a direct adherence test strip engineered for home use. Intervention group participants will report treatment progress and interact with a treatment supporter using the app and metabolite urine test strip. The primary outcome will be treatment success. Secondary outcomes will include treatment default rates, self-reported adherence, technology use, and usability. We will assess patients' and providers' perceptions of barriers to implementation and synthesize lessons learned. We hypothesize that the TB-TSTs intervention will be more effective because it allows patients and TB supporters to monitor and address issues in real time and provide tailored support. We will share the results with stakeholders and policy makers. RESULTS: Enrollment began in November 2020, with a delayed start due to the COVID-19 pandemic, and complete enrollment is expected by approximately July 2022. Data collection and follow-up are expected to be completed 6 months after the last patient is enrolled. Results from the analyses based on the primary end points are expected to be submitted for publication within a year of data collection completion. CONCLUSIONS: To our knowledge, this randomized controlled trial will be the first study to evaluate a patient-centered remote treatment support strategy using a mobile tool and a home-based direct drug metabolite test. The results will provide robust scientific evidence on the effectiveness, implementation, and adoption of mobile health tools. The findings have broader implications not only for TB adherence but also more generally for chronic disease management and will improve our understanding of how to support patients facing challenging treatment regimens. TRIAL REGISTRATION: ClinicalTrials.gov NCT04221789; https://clinicaltrials.gov/ct2/show/NCT04221789. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/28094.
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 | 0,031 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,069 | 0,009 |
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 ».