MétaCan
Menu
Retour à la cohorte
Enregistrement W4226470396 · doi:10.2196/34906

An In-Home Medication Dispensing System to Support Medication Adherence for Patients With Chronic Conditions in the Community Setting: Prospective Observational Pilot Study

2022· article· en· W4226470396 sur OpenAlexaffvenue
Tejal Patel, Jessica Ivo, Teresa Pitre, Sadaf Faisal, Kristen Antunes, Kasumi Oda

Notice bibliographique

RevueJMIR Formative Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensCentre for Family MedicineUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésUsabilityObservational studyMedicineMedication adherenceSystem usability scalePhysical therapyScale (ratio)Web usabilityInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Innovative digital technology systems that support and monitor real-time medication intake are now available commercially; however, there is limited knowledge of the use of such technology in patients' homes. One such smart medication dispenser, spencer, provides alerts to patients to take their medications and allows for tracking and reporting real-time medication adherence data. OBJECTIVE: The objectives of this study were to examine the use of a smart medication dispenser as a medication adherence and self-management support tool for community dwelling adults over a 6-month period, in addition to usability, usefulness, satisfaction, and impact on caregiver support. METHODS: This prospective, observational study invited community-dwelling adults aged 45 years and older taking at least one chronic medication and their caregivers to use this smart medication dispenser for their medication administration for 6 months. Adherence was defined as a dose intake within 2 hours post scheduled time. Real-time adherence data were collected using the smart medication dispenser and the AdhereNet platform. Usability, usefulness, and satisfaction were measured using the System Usability Scale and the Usefulness, Satisfaction, and Ease of Use questionnaire, respectively. Caregiver burden was measured on a visual analog scale at baseline and at the end of the 6-month study period. RESULTS: A total of 58 participants were recruited, of which 55% (32/58) were female with a mean age of 66.36 (SD 11.28; range 48-90) years. Eleven caregiver participants were recruited, of whom 91% (10/11) were female. The average monthly adherence over 6 months was 98% (SD 3.1%; range 76.5%-100%). The average System Usability score was 85.74 (n=47; SD 12.7; range 47.5-100). Of the 46 participants who provided data, 44 (96%) rated the product as easy, 43 (93%) as simple to use, and 43 (93%) were satisfied with the product. Caregiver burden prior to and following smart medication dispenser use for 6 months was found to be statistically significantly different (P<.001; CI 2.11-5.98). CONCLUSIONS: Smart medication adherence products such as spencer, when connected and clinically monitored, can be a useful solution for medication management and have the potential to improve caregiver burden.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,702

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,173
Tête enseignante GPT0,458
Écart entre enseignants0,285 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJMIR Formative ResearchMême sujetMedication Adherence and ComplianceTravaux en français237 207