MétaCan
Menu
← Retour à la cohorte
Enregistrement W3157480264 · doi:10.2196/24952

An Intervention to Improve Medication Adherence in People With Heart Disease (Text4HeartII): Randomized Controlled Trial

2021· article· en· W3157480264 sur OpenAlexvenueno aff
Ralph Maddison, Yannan Jiang, Ralph Stewart, Tony Scott, Andrew Kerr, Robyn Whittaker, Jocelyne Benatar, Anna Rolleston, Paul A. Estabrooks, Leila Pfaeffli Dale

Notice bibliographique

RevueJMIR mhealth and uhealth · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineRandomized controlled trialPhysical therapyPsychological interventionPharmacyQuality of life (healthcare)Medication adherenceFamily medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Mobile health technologies have the potential to improve the reach and delivery of interventions for promoting long-term secondary prevention of coronary heart disease. OBJECTIVE: This study aims to determine the effectiveness of an SMS text messaging intervention (Text4HeartII) for improving adherence to medication and lifestyle changes over and above usual care in people with coronary heart disease at 24 and 52 weeks. METHODS: A two-arm, parallel, randomized controlled trial was conducted in New Zealand. Participants with a recent acute coronary syndrome were randomized to receive usual cardiac services alone (control, n=153) or a 24-week SMS text message program for supporting self-management plus usual cardiac services (n=153). The primary outcome was adherence to medication at 24 weeks, defined as a medication possession ratio of 80% or more for aspirin, statin, and antihypertensive therapy. Secondary outcomes included medication possession ratio at 52 weeks, self-reported medication adherence, adherence to healthy lifestyle behaviors, and health-related quality of life at 24 and 52 weeks. RESULTS: Participants were predominantly male (113/306, 80.3%) and European New Zealanders (210/306, 68.6%), with a mean age of 61 years (SD 11 years). Groups were comparable at baseline. National hospitalization and pharmacy dispensing records were available for all participants; 92% (282/306, 92.1%) of participants completed a 24-week questionnaire and 95.1% (291/306) of participants completed a 52-week questionnaire. Adherence with 3 medication classes were lower in the intervention group than in the control group (87/153, 56.8% vs 105/153, 68.6%, odds ratio 0.60, 95% CI 0.38-0.96; P=.03) and 52 weeks (104/153, 67.9% vs 83/153, 54.2%; odds ratio 0.56, 95% CI 0.35-0.89; P=.01). Self-reported medication adherence scores showed the same trend at 52 weeks (mean difference 0.3; 95% CI 0.01-0.59; P=.04). Moreover, self-reported adherence to health-related behaviors was similar between groups. CONCLUSIONS: Text4HeartII did not improve dispensed medication or adherence to a favorable lifestyle over and above usual care. This finding contrasts with previous studies and highlights that the benefits of text interventions may depend on the context in which they are used. TRIAL REGISTRATION: Australian New Zealand Clinical Trials Registry ACTRN12616000422426; http://www.anzctr.org.au/Trial/Registration/TrialReview.aspx?id=370398. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): RR2-10.1186/s13063-018-2468-z.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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 Opus0,034
Tête enseignante GPT0,453
Écart entre enseignants0,419 · 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
GenreEmpirique

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

En bref

Citations32
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR mhealth and uhealth→Même sujetMobile Health and mHealth Applications→Travaux en français237 207→