Self-management intervention to reduce pulmonary exacerbations by supporting treatment adherence in adults with cystic fibrosis: a randomised controlled trial
Notice bibliographique
Résumé
Introduction Recurrent pulmonary exacerbations lead to progressive lung damage in cystic fibrosis (CF). Inhaled medications (mucoactive agents and antibiotics) help prevent exacerbations, but objectively measured adherence is low. We investigated whether a multi-component (complex) self-management intervention to support adherence would reduce exacerbation rates over 12 months. Methods Between October 2017 and May 2018, adults with CF (aged ≥16 years; 19 UK centres) were randomised to the intervention (data-logging nebulisers, a digital platform and behavioural change sessions with trained clinical interventionists) or usual care (data-logging nebulisers). Outcomes included pulmonary exacerbations (primary outcome), objectively measured adherence, body mass index (BMI), lung function (FEV1) and Cystic Fibrosis Questionnaire-Revised (CFQ-R). Analyses were by intent to treat over 12 months. Results Among intervention (n=304) and usual care (n=303) participants (51% female, median age 31 years), 88% completed 12-month follow-up. Mean exacerbation rate was 1.63/year with intervention and 1.77/year with usual care (adjusted ratio 0.96; 95% CI 0.83 to 1.12; p=0.64). Adjusted mean differences (95% CI) were in favour of the intervention versus usual care for objectively measured adherence (9.5% (8.6% to 10.4%)) and BMI (0.3 (0.1 to 0.6) kg/m2), with no difference for %FEV1(1.4 (−0.2 to 3.0)). Seven CFQ-R subscales showed no between-group difference, but treatment burden reduced for the intervention (3.9 (1.2 to 6.7) points). No intervention-related serious adverse events occurred. Conclusions While pulmonary exacerbations and FEV1did not show statistically significant differences, the intervention achieved higher objectively measured adherence versus usual care. The adherence difference might be inadequate to influence exacerbations, though higher BMI and lower perceived CF treatment burden were observed.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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.
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 ».