MétaCan
Menu
Retour à la cohorte
Enregistrement W4390117784 · doi:10.2196/48971

Formative Perceptions of a Digital Pill System to Measure Adherence to Heart Failure Pharmacotherapy: Mixed Methods Study

2023· article· en· W4390117784 sur OpenAlex
Peter R. Chai, Jenson Kaithamattam, Michelle Chung, Jeremiah Jacob Tom, Georgia R. Goodman, Mohammad Adrian Hasdianda, Tony C Carnes, Muthiah Vaduganathan, Benjamin M. Scirica, Jeffrey L. Schnipper

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Cardio · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on Drug AbuseBrigham and Women's Hospital
Mots-clésPharmacotherapyMedicineContext (archaeology)PillQualitative researchThematic analysisIntensive care medicinePharmacyMEDLINEFamily medicineEmergency medicineNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Heart failure (HF) affects 6.2 million Americans and is a leading cause of hospitalization. The mainstay of the management of HF is adherence to pharmacotherapy. Despite the effectiveness of HF pharmacotherapy, effectiveness is closely linked to adherence. Measuring adherence to HF pharmacotherapy is difficult; most clinical measures use indirect strategies such as calculating pharmacy refill data or using self-report. While helpful in guiding treatment adjustments, indirect measures of adherence may miss the detection of suboptimal adherence and co-occurring structural barriers associated with nonadherence. Digital pill systems (DPSs), which use an ingestible radiofrequency emitter to directly measure medication ingestions in real-time, represent a strategy for measuring and responding to nonadherence in the context of HF pharmacotherapy. Previous work has demonstrated the feasibility of using DPSs to measure adherence in other chronic diseases, but this strategy has yet to be leveraged for individuals with HF. OBJECTIVE: We aim to explore through qualitative interviews the facilitators and barriers to using DPS technology to monitor pharmacotherapy adherence among patients with HF. METHODS: We conducted individual, semistructured qualitative interviews and quantitative assessments between April and August 2022. A total of 20 patients with HF who were admitted to the general medical or cardiology service at an urban quaternary care hospital participated in this study. Participants completed a qualitative interview exploring the overall acceptability of and willingness to use DPS technology for adherence monitoring and perceived barriers to DPS use. Quantitative assessments evaluated HF history, existing medication adherence strategies, and attitudes toward technology. We analyzed qualitative data using applied thematic analysis and NVivo software (QSR International). RESULTS: Most participants (12/20, 60%) in qualitative interviews reported a willingness to use the DPS to measure HF medication adherence. Overall, the DPS was viewed as useful for increasing accountability and reinforcing adherence behaviors. Perceived barriers included technological issues, a lack of need, additional costs, and privacy concerns. Most were open to sharing adherence data with providers to bolster clinical care and decision-making. Reminder messages following detected nonadherence were perceived as a key feature, and customization was desired. Suggested improvements are primarily related to the design and usability of the Reader (a wearable device). CONCLUSIONS: Overall, individuals with HF perceived the DPS to be an acceptable and useful tool for measuring medication adherence. Accurate, real-time ingestion data can guide adherence counseling to optimize adherence management and inform tailored behavioral interventions to support adherence among patients with HF.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,496
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,003

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 Opus0,068
Tête enseignante GPT0,424
Écart entre enseignants0,356 · 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