A Novel Digital Pill System for Medication Adherence Measurement and Reporting: Usability Validation Study
Notice bibliographique
Résumé
BACKGROUND: Medication nonadherence is a costly problem that is common in clinical use and clinical trials alike, with significant adverse consequences. Digital pill systems have proved to be effective and safe solutions to the challenges of nonadherence, with documented success in improving adherence and health outcomes. OBJECTIVE: The aim of this human factors validation study is to evaluate a novel digital pill system, the ID-Cap System from etectRx, for usability among patient users in a simulated real-world use environment. METHODS: A total of 17 patients with diverse backgrounds who regularly take oral prescription medications were recruited. After training and a period of training decay, the participants were asked to complete 12 patient-use scenarios during which errors or difficulties were logged. The participants were also interviewed about their experiences with the ID-Cap System. RESULTS: The participants ranged in age from 27 to 74 years (mean 51 years, SD 13.8 years), and they were heterogeneous in other demographic factors as well, such as education level, handedness, and sex. In this human factors validation study, the patient users completed 97.5% (196/201) of the total use scenarios successfully; 75.1% (151/201) were completed without any failures or errors. The participants found the ID-Cap System easy to use, and they were able to accurately and proficiently record ingestion events using the device. CONCLUSIONS: The participants demonstrated the ability to safely and effectively use the ID-Cap System for its intended use. The ID-Cap System has great potential as a useful tool for encouraging medication adherence and can be easily implemented by patient users.
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 | 0,001 | 0,001 |
| 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 ».