Self-Measured Blood Pressure–Guided Pharmacotherapy: A Systematic Review and Meta-Analysis of United States-Based Telemedicine Trials
Notice bibliographique
Résumé
BACKGROUND: The optimal approach to implementing telemedicine hypertension management in the United States is unknown. METHODS: We examined telemedicine hypertension management versus the effect of usual clinic-based care on blood pressure (BP) and patient/clinician-related heterogeneity in a systematic review/meta-analysis. We searched United States-based randomized trials from Medline, Embase, CENTRAL, CINAHL, PsycINFO, Compendex, Web of Science Core Collection, Scopus, and 2 trial registries. We used trial-level differences in BP and its control rate at ≥6 months using random-effects models. We examined heterogeneity in univariable metaregression and in prespecified subgroups (clinicians leading pharmacotherapy [physician/nonphysician], self-management support [pharmacist/nurse], White versus non-White patient predominant trials [>50% patients/trial], diabetes predominant trials [≥25% patients/trial], and White patient predominant but not diabetes predominant trials versus both non-White and diabetes patient predominant trials]. RESULTS: Thirteen, 11, and 7 trials were eligible for systolic and diastolic BP difference and BP control, respectively. Differences in systolic and diastolic BP and BP control rate were -7.3 mm Hg (95% CI, -9.4 to -5.2), -2.7 mm Hg (-4.0 to -1.5), and 10.1% (0.4%-19.9%), respectively, favoring telemedicine. Greater BP reduction occurred in trials where nonphysicians led pharmacotherapy, pharmacists provided self-management support, White patient predominant trials, and White patient predominant but not diabetes predominant trials, with no difference by diabetes predominant trials. CONCLUSIONS: Telemedicine hypertension management is more effective than clinic-based care in the United States, particularly when nonphysicians lead pharmacotherapy and pharmacists provide self-management support. Non-White patient predominant trials achieved less BP reduction. Equity-conscious, locally informed adaptation of telemedicine interventions is needed before wider implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».