MétaCan
Menu
Retour à la cohorte
Enregistrement W4391515525 · doi:10.1101/2024.01.31.24302115

The Impact of Digital Adherence Technologies on Health Outcomes in Tuberculosis: A Systematic Review and Meta-Analysis

2024· review· en· W4391515525 sur OpenAlexafffund
Mona S. Mohamed, Miranda Zary, Cedric Kafie, Chimweta Ian Chilala, Shruti Bahukudumbi, Nicola Foster, Geneviève Gore, Katherine Fielding, Ramnath Subbaraman, Kevin Schwartzman

Notice bibliographique

RevuemedRxiv · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchBill and Melinda Gates Foundation
Mots-clésMedicineCINAHLPsychological interventionMeta-analysisMEDLINEAdverse effectTuberculosisInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Suboptimal tuberculosis (TB) treatment adherence may lead to unsuccessful treatment and relapse. Digital adherence technologies (DATs) may allow more person-centric approaches for supporting treatment. We conducted a systematic review (PROSPERO-CRD42022313166) to evaluate the impact of DATs on health outcomes in TB. Methods We searched MEDLINE, Embase, CENTRAL, CINAHL, Web of Science and preprints from medRxiv, Europe PMC, and clinicaltrials.gov for relevant literature from January 2000 to April 2023. We considered experimental or cohort studies reporting quantitative comparisons of clinical outcomes between a DAT and the standard of care in each setting. Results Seventy studies (total 58,950 participants) met inclusion criteria. They reported SMS-based interventions (k=18 studies), feature phone-based interventions (k=7), medication sleeves with phone calls (branded as “99DOTS,” k=5), video-observed therapy (VOT; k=17), smartphone-based interventions (k=5), digital pillboxes (k=18), ingestible sensors (k=1), and interventions combining 2 DATs (k=1). Overall, the use of DATs was associated with more frequent treatment success in TB disease (OR = 1.18 [1.06, 1.33]; I 2 = 66%, k = 46), a decrease in loss to follow up (OR = 0.71 [0.53, 0.94]; I 2 = 80%, k = 36) and an increase in adverse event reporting (OR = 1.53 [1.26, 1.86]; I 2 = 0%, k = 9). VOT was associated with an increased likelihood of treatment success in TB disease (OR 1.54 [1.09; 2.19]; I 2 = 0%, k = 8) and treatment completion in TB infection (OR 4.69 [2.08; 10.55]; I 2 = 0%, k = 2) as well as an increased frequency of adverse event reporting (OR = 1.79 [1.27; 2.52]; I 2 = 34%, k = 4). Other interventions involving smartphone technologies were associated with increased treatment success in TB disease (OR 1.98 [1.07; 3.65]; I 2 =56%, k = 5) and a decreased frequency of loss to follow up (OR = 0.31 [0.13; 0.77]; I 2 = 36%, k = 5). Digital pillboxes were also associated with an improvement in treatment success (OR = 1.32 [1.00; 1.73]; I 2 = 71%, k = 11). However, improved treatment success was only seen in high- and upper middle-income countries. SMS-based interventions, feature-phone interventions and 99DOTS were not associated with improvements in short-term clinical outcomes. Conclusion Certain DATs--notably VOT and smartphone-based interventions, in higher income settings and sometimes combined with other supportive measures—may be associated with improvements in treatment success and losses to follow-up, compared to standard care. However, evidence remains highly variable, and generalizability limited. Higher quality data are needed.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens large)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,696
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0150,005
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,477
Écart entre enseignants0,315 · 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 tête enseignante, pas un consensus.

Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetTuberculosis Research and EpidemiologyTravaux en français237 207