A text messaging intervention and quality of life in adolescents with solid organ transplants
Notice bibliographique
Résumé
BACKGROUND: Facilitating communication between adolescents and HCP outside of appointments may enhance patient experience and outcomes. The purpose of this study was to determine whether SMS enhances the healthcare experience, QoL, and medication adherence in adolescent SOT patients. METHODS: This was a prospective observational study of an SMS platform (WelTel Inc) for SOT patients aged 12-19 years. QoL was assessed before and after using the PedsQL™ Transplant Module. Medication adherence was assessed with the frequency of therapeutic tacrolimus levels and variation based on control chart analysis. Patient experience and engagement was evaluated with surveys, response rate to messages, and number of clinical conversations (>2 messages). RESULTS: Twenty-three patients were included (median age 15.7 years (IQR 13.6-17.1)). Median intervention duration was 13.5 months (range 4.0-16.7 months). There was a 68% response rate (742/1095) with 375 clinical conversations. The majority of patients reported the intervention provided a positive outlook on their health (17/23), was useful (18/23), and improved their connection to HCPs (17/23). Following the intervention, there was no significant difference in the median scaled QoL scores (pre-intervention: 81 (IQR 76.5-93.3), post-intervention: 78 (IQR 76-93); p = .37), mean percentage of therapeutic tacrolimus levels (pre-intervention: 52 ± 25%, post-intervention: 65 ± 17%; p = .07), or variation on control chart analysis of tacrolimus levels. CONCLUSIONS: The WelTel messaging platform provided supplemental clinical care for a group of adolescent SOT patients that enhanced their healthcare experience. Patient QoL and adherence were unchanged following the intervention and remained at a high level.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».