MétaCan
Menu
← Retour à la cohorte
Enregistrement W3145986338 · doi:10.2196/27496

Wireless Home Blood Pressure Monitoring System With Automatic Outcome-Based Feedback and Financial Incentives to Improve Blood Pressure in People With Hypertension: Protocol for a Randomized Controlled Trial

2021· article· en· W3145986338 sur OpenAlexvenueno aff
Marcel Bilger, Agnes Koong, Ian Kwong Yun Phoon, Ngiap Chuan Tan, Juliana Bahadin, Joann Bairavi, Ada Portia M Batcagan-Abueg, Eric Finkelstein

Notice bibliographique

RevueJMIR Research Protocols · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Medical Research CouncilMedical Research Council
Mots-clésBlood pressureMedicineRandomized controlled trialIncentivePrehypertensionEmergency medicineInternal medicineCardiologyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Hypertension is prevalent in Singapore and is a major risk factor for cardiovascular morbidity and mortality and increased health care costs. Strategies to lower blood pressure include lifestyle modifications and home blood pressure monitoring. Nonetheless, adherence to home blood pressure monitoring remains low. This protocol details an algorithm for remote management of primary care patients with hypertension. OBJECTIVE: The objective of this study was to determine whether wireless home blood pressure monitoring with or without financial incentives is more effective at reducing systolic blood pressure than nonwireless home blood pressure monitoring (usual care). METHODS: This study was designed as a randomized controlled open-label superiority study. A sample size of 224 was required to detect differences of 10 mmHg in average systolic blood pressure. Participants were to be randomized, in the ratio of 2:3:3, into 1 of 3 parallel study arms :(1) usual care, (2) wireless home blood pressure monitoring, and (3) wireless home blood pressure monitoring with financial incentives. The primary outcome was the mean change in systolic blood pressure at month 6. The secondary outcomes were the mean reduction in diastolic blood pressure, cost of financial incentives, time taken for the intervention, adherence to home blood pressure monitoring, effectiveness of the framing of financial incentives in decreasing nonadherence to blood pressure self-monitoring and the adherence to antihypertensive medication at month 6. RESULTS: This study was approved by SingHealth Centralised Institutional Review Board and registered. Between January 24, 2018 and July 10, 2018, 42 participants (18.75% of the required sample size) were enrolled, and 33 participants completed the month 6 assessment by January 31, 2019. CONCLUSIONS: Due to unforeseen events, the study was stopped prematurely; therefore, no results are available. Depending on the blood pressure information received from the patients, the algorithm can trigger immediate blood pressure advice (eg, Accident and Emergency department visit advice for extremely high blood pressure), weekly feedback on blood pressure monitoring, medication titration, or skipping of routine follow-ups. The inclusion of financial incentives framed as health capital provides a novel idea on how to promote adherence to remote monitoring, and ultimately, improve chronic disease management. TRIAL REGISTRATION: ClinicalTrials.gov NCT03368417; https://clinicaltrials.gov/ct2/show/NCT03368417. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/27496.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,245

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,027
Méta-épidémiologie (sens strict)0,0060,003
Méta-épidémiologie (sens large)0,0130,007
Bibliométrie0,0030,004
Études des sciences et des technologies0,0030,004
Communication savante0,0050,003
Science ouverte0,0040,002
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0730,012

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,410
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research Protocols→Même sujetBlood Pressure and Hypertension Studies→Travaux en français237 207→