Adherence to inhaled corticosteroids and long-acting β2-agonists in asthma: A MASK-air study
Notice bibliographique
Résumé
Adherence to controller medication is a major problem in asthma management, being difficult to assess and tackle. mHealth apps can be used to assess adherence. We aimed to assess the adherence to inhaled corticosteroids+long-acting β2-agonists (ICS+LABA) in users of the MASK-air® app, comparing the adherence to ICS+formoterol (ICS+F) with that to ICS+other LABA. We analysed complete weeks of MASK-air® data (2015-2022; 27 countries) from patients with self-reported asthma and ICS+LABA use. We compared patients reporting ICS+F versus ICS+other LABA on adherence levels, symptoms and symptom-medication scores. We built regression models to assess whether adherence to ICS+LABA was associated with asthma control or short-acting beta-agonist (SABA) use. Sensitivity analyses were performed considering the weeks with no more than one missing day. In 2598 ICS+LABA users, 621 (23.9%) reported 4824 complete weeks and 866 (33.3%) reported weeks with at most one missing day. Higher adherence (use of medication ≥80% of weekly days) was observed for ICS+other LABA (75.1%) when compared to ICS+F (59.3%), despite both groups displaying similar asthma control and work productivity. The ICS+other LABA group was associated with more days of SABA use than the ICS+F group (median=71.4% versus 57.1% days). Each additional weekly day of ICS+F use was associated with a 4.1% less risk in weekly SABA use (95%CI=-6.5;-1.6%;p=0.001). For ICS+other LABA, the percentage was 8.2 (95%CI=-11.6;-5.0%;p<0.001). In asthma patients adherent to the MASK-air app, adherence to ICS+LABA was high. ICS+F users reported lower adherence but also a lower SABA use and a similar level of control.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 ».