Implementation of a Clinician-led Medication Adherence Intervention Among Patients With Systemic Lupus Erythematosus
Notice bibliographique
Résumé
OBJECTIVE: Medication nonadherence in systemic lupus erythematosus (SLE) leads to poor clinical outcomes. We developed a clinician-led adherence intervention that involves reviewing real-time pharmacy refill data and using effective communication to address nonadherence. Prior pilot testing showed promising effects on medication adherence. Here, we describe further evaluation of how clinicians implemented the intervention and identify areas for improvement. METHODS: We audio recorded encounters of clinicians with patients who were nonadherent (90-day proportion of days covered [PDC] < 80% for SLE medications). We coded recordings for intervention components performed, communication quality, and time spent discussing adherence. We also conducted semistructured interviews with patients and clinicians on their experiences and suggestions for improving the intervention. We assessed change in 90-day PDC post intervention. RESULTS: We included 25 encounters with patients (median age 39, 100% female, 72% Black) delivered by 6 clinicians. Clinicians performed most intervention components consistently and exhibited excellent communication, as coded by objective coders. Adherence discussions took an average of 3.8 minutes, and 44% of patients had ≥ 20% increase in PDC post intervention. In structured interviews, many patients felt heard and valued and described being more honest about nonadherence and more motivated to take SLE medications. Patients emphasized patient-clinician communication and financial and logistical assistance as areas for improvement. Some clinicians wanted additional resources and training to improve adherence conversations. CONCLUSION: We provide further evidence to support the feasibility, acceptability, and fidelity of the adherence intervention. Future work will optimize clinician training and evaluate the intervention's effectiveness in a large, randomized trial.
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 | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».