Systematic review of real‐world persistence and adherence in subcutaneous allergen immunotherapy
Notice bibliographique
Résumé
BACKGROUND: Given that subcutaneous immunotherapy (SCIT) adherence in the literature is often studied in closely monitored trials, few studies report real-world SCIT adherence. The purpose of this review is to assess SCIT adherence in real-world settings. METHODS: A literature search of PubMed, Embase, Cochrane Library, Web of Science, and Scopus for real-world studies examining SCIT adherence was performed. Paired investigators independently reviewed all articles. For this review, "persistence" was defined as continuing therapy and not being lost to follow-up after initiating SCIT, and "adherence" defined as persistence in accordance with prescribed SCIT dose, dosing schedule, and duration. Article quality was first assessed using a modified Newcastle-Ottawa scale and then converted to Agency for Healthcare Research and Quality standards (good, fair, and poor). RESULTS: The search yielded 1596 nonduplicate abstracts, from which 17 articles (n = 263,221 patients) met inclusion criteria. Fourteen (82%) studies reported persistence rates, ranging from 16.0% to 93.7%. Seven (41%) studies reported adherence rates, ranging from 15.1% to 99%. Five (29%) studies (n = 416 patients) collected original data on reasons for discontinuing SCIT, of which inconvenience was most cited. All studies were Oxford level of evidence 2b and of good (n = 10) to fair (n = 7) quality. CONCLUSION: Real-world SCIT persistence and adherence rates are poor, with the majority of included studies reporting rates <80%; however, they range widely, explained in part by inter-study differences in measuring and reporting adherence-related findings. Future studies on SCIT adherence may benefit from following concordant definitions of persistence and adherence in addition to standardized reporting metrics.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 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 ».