Smart Data Collection for the Assessment of Treatment Effects in Irritable Bowel Syndrome: Observational Study
Notice bibliographique
Résumé
BACKGROUND: End-of-day symptom diaries are recommended by drug regulatory authorities to assess treatment response in patients with irritable bowel syndrome. We developed a smartphone app to measure treatment response. OBJECTIVE: Because the employment of an app to measure treatment response in irritable bowel syndrome is relatively new, we aimed to explore patients' adherence to diary use and characteristics associated with adherence. METHODS: A smartphone app was developed to serve as a symptom diary. Patients with irritable bowel syndrome (based on Rome IV criteria) were instructed to fill out end-of-day diary questionnaires during an 8-week treatment. Additional online questionnaires assessed demographics, irritable bowel syndrome symptom severity, and psychosocial comorbidities. Adherence rate to the diary was defined as the percentage of days completed out of total days. Adherence to the additional web-based questionnaires was also assessed. RESULTS: Overall, 189 patients were included (age: mean 34.0 years, SD 13.3 years; female: 147/189, 77.8%; male: 42/189, 22.2%). The mean adherence rate was 87.9% (SD 9.4%). However, adherence to the diary decreased over time (P<.001). No significant association was found between adherence and gender (P=.84), age (P=.22), or education level (lower education level: P=.58, middle education level: P=.46, versus high education level), while higher anxiety scores were associated with lower adherence (P=.03). Adherence to the online questionnaires was also high (>99%). Missing data due to technical issues were limited. CONCLUSIONS: The use of a smartphone app as a symptom diary to assess treatment response resulted in high patient adherence. The data-collection framework described led to standardized data collection with excellent completeness and can be used for future randomized controlled trials. Due to the slight decrease in adherence to diary use throughout the study, this method might be less suitable for longer trials.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».