A review of features and characteristics of smart medication adherence products
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Smart medication adherence products (smart MAPs) capture and transmit real-time medication intake by using various means of connectivity, allowing for remote monitoring. Numerous such products with different features are available to address medication nonadherence. A comparison of the features of these products is needed for clinical decision-making. Therefore, the objective of this review was to compare smart MAPs available for in-home use. Methods: We searched grey and published literature and videos to identify smart MAPs. To be considered smart, products required 2 features: connectivity (the ability for collected data to exist outside the physical device) and automaticity (the ability for data to be analyzed or processed automatically). Products were excluded if product descriptions were not available in English, not for in-home use and unable to dispense medications. Results: Of the 51 products identified, 38 commercially available and 13 prototypes met the definition. Of these, 75% ( n = 38) contained alarms, 24% ( n = 12) were unit-dose, 63% ( n = 32) were multidose, 43% ( n = 22) had locking features, 41% ( n = 21) were portable and 88% ( n = 45) sent notifications to patients. The cost of marketed products, excluding subscriptions, ranged from $10 to $1500 USD. Some products required a monthly ( n = 16) or yearly ( n = 1) subscription ranging from $10 to $100 USD. Discussion: There is a growing market of smart MAPs for in-home patient use with variable features. Clinicians can use these features to identify and recommend products according to the specific needs of their patients to address medication adherence. Can Pharm J (Ott) 2021;154:xx-xx.
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.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle