Unlocking the promise of digital inhalers: Insights from an in-vitro study
Notice bibliographique
Résumé
INTRODUCTION: Despite decades of inhaler use, inhalation device errors are prevalent, compromising treatment efficacy and substantial healthcare costs. Digital dry powder inhalers (DPIs) can offer real-time monitoring and remote support, potentially enhancing treatment adherence and patient technique. However, the impact of digitalization on the in-vitro performance and the bioavailable dose delivered remains understudied. METHOD 28 study participants received a DPI together and a training session from a licenced pharcacist. Participants in the "intervention" group utilized a smartphone application providing real-time feedback on inhalation technique, while no monitoring was available to the control group. Adherence was monitored and the impact of various improper inhalation techniques observed among participants on the device performance were evaluated in-vitro. Results: The intervention group showed significantly better inhalation technique and adherence (figure 1). erj;64/suppl_68/PA2324/F1 F1 F1 Figure 1 Inhaler technique comparison between Control (A) and Intervention (B) group. In-vitro simulations has shown that the various improper inhalation techniques observed among participants in the control group could lead to up to 65% of loss of bioavailable dose delivered from the device. CONCLUSION: Participants using a digitalized DPI with a companion app significantly improved adherence and demonstrated inhalation technique comparable to theoretical perfect inhalation.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».