A multilevel mHealth intervention boosts adherence to hydroxyurea in individuals with sickle cell disease
Notice bibliographique
Résumé
Hydroxyurea reduces sickle cell disease (SCD) complications, but medication adherence is low. We tested 2 mobile health (mHealth) interventions targeting determinants of low adherence among patients (InCharge Health) and low prescribing among providers (HU Toolbox) in a multi-center, non-randomized trial of individuals with SCD ages 15-45. We compared the percentage of days covered (PDC), labs, healthcare utilization, and self-reported pain over 24 weeks of intervention and 12 weeks post-study with a 24-week preintervention interval. We enrolled 293 patients (51% male; median age 27.5 years, 86.8% HbSS/HbSβ0-thalassemia). The mean change in PDC among 235 evaluable subjects increased (39.7% to 56.0%; P < 0.001) and sustained (39.7% to 51.4%, P < 0.001). Mean HbF increased (10.95% to 12.78%; P = 0.03). Self-reported pain frequency reduced (3.54 to 3.35 events/year; P = 0.041). InCharge Health was used ≥1 day by 199 of 235 participants (84.7% implementation; median usage: 17% study days; IQR: 4.8-45.8%). For individuals with ≥1 baseline admission for pain, admissions per 24 weeks declined from baseline through 24 weeks (1.97 to 1.48 events/patient, P = 0.0045) and weeks 25-36 (1.25 events/patient, P = 0.0015). PDC increased with app use (P < 0.001), with the greatest effect in those with private insurance (P = 0.0078), older subjects (P = 0.033), and those with lower pain interference (P = 0.0012). Of the 89 providers (49 hematologists, 36 advanced care providers, 4 unreported), only 11.2% used HU Toolbox ≥1/month on average. This use did not affect change in PDC. Tailoring mHealth solutions to address barriers to hydroxyurea adherence can potentially improve adherence and provide clinical benefits. A definitive randomized study is warranted. This trial was registered at www.clinicaltrials.gov as #NCT04080167.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».