MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311699361 · doi:10.1136/thorax-2022-btsabstracts.320

P186 Facilitators to recruiting COPD patients to an adherence intervention trial

2022· article· en· W4311699361 sur OpenAlexaff
AP Dickens, DMG Halpin, V Carter, D Skinner, K Beeh, John Chalmers, A Clark, N Hannan, A Kaplan, K Kostikas, H Pinnock, Nicolás Roche, O Usmani, JFM van Boven, P Mastoridis, K Mezzi, S Davis, E Vijaykumar, D Price

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensTD Bank Group
Organismes subventionnairesnon disponible
Mots-clésIntervention (counseling)MedicineCluster randomised controlled trialClinical trialRandomized controlled trialCOPDPatient recruitmentPrimary careCluster (spacecraft)Family medicinePhysical therapyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Introduction and Objectives Recruitment rates to clinical trials in primary care are often lower than anticipated, even in successful trials. Researchers can be too optimistic about the number of eligible patients, and the GPs’ time and ability to recruit patients. The MAGNIFY cluster randomised trial is investigating the effect of a technologically-supported adherence package (Ultibro Breezhaler + adherence support technology) for COPD patients in primary care. This abstract explores facilitators for recruiting patients into a GP practice-level intervention trial. Methods Eligible practices willing to implement the adherence package were invited to participate. Algorithms run on electronic medical records (EMR) of intervention arm practices identified COPD patients aged ≥40 years, with ≥2 moderate/severe exacerbations in the last two years and ≤50% adherence to mono/dual therapy. Pharmacists were funded to recruit patients over a maximum of two calls; initial calls entailed a remote review and invitation to use the technology if suitable, with offer of a second to support device set-up and resolve problems. Results To date, 398/672 (59.2%) potentially eligible patients have been reviewed. 67/398 (16.8%) were deemed clinically unsuitable during the initial call. Of the remaining 331 patients, 218 (96.1%) accepted the support package; giving an overall recruitment rate onto the intervention of 54.8% (218/398 patients). Conclusions The recruitment rate was higher than many primary care trials. Recruitment of primary care patients into intervention trials may benefit from using cluster randomised trial designs and adopting novel approaches including EMR searches and dedicated pharmacists to identify, screen and recruit potential patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,128
score de la tête « metaresearch » (Gemma)0,231
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,674

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1280,231
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0020,002
Science ouverte0,0020,004
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0680,008

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 Opus0,211
Tête enseignante GPT0,474
Écart entre enseignants0,263 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Media in Health Education→Travaux en français237 207→