Text Messaging Between Patients With Inflammatory Rheumatic Diseases and Pharmacists to Solve Drug-Related Problems: Prospective Feasibility Study
Notice bibliographique
Résumé
Background: Patients with inflammatory rheumatic diseases often experience drug-related problems (DRPs). As these can result in negative health consequences, DRPs should be identified and addressed in a timely manner. Text messaging between patients and pharmacists at the initiative of the patient has the potential to deliver support with DRPs more continuously, increase accessibility and efficiency, and enhance patient involvement in the process of identifying and solving DRPs. Objective: This study aimed to assess the feasibility of text messaging from both the patients' and health care practitioners' perspectives before a large-scale implementation. Methods: Adult patients using a disease-modifying antirheumatic drug were given access to text messaging with pharmacists to discuss DRPs for a period of 8 weeks. Patients received a response from a pharmacist within 4 working hours. Feasibility was evaluated based on five domains of Bowen's framework for designing feasibility studies: (1) demand: actual use, expressed interest (user version of the Mobile Application Rating Scale - section E), and factors impacting future use; (2) limited efficacy: number of DRPs solved, DRPs resulting in follow-up, and DRPs warranting involvement of health care provider; (3) implementation: degree of execution (number of conversations answered within service level) and resources needed (pharmacists' time investment per conversation); (4) acceptability: satisfaction and appropriateness (theoretical framework of acceptability); and (5) practicality: ability to carry out intervention activities (System Usability Scale). Data were collected by means of usage data and a questionnaire. Results: In total, 45 patients (median age 57, IQR 52-65 y; n=31, 69% female) and 5 pharmacists (median age 41, IQR 26-47 y; n=1, 20% female) actively participated in this study. In the demand domain, 158 unique DRPs were raised in 133 conversations, with a median of 3 (IQR 2-4) unique DRPs per patient. Expressed interest was rated high by patients (median 4, IQR 4-5), and 90% (37/41) of patients would recommend text messaging to others. In the limited-efficacy domain, all DRPs were solved, and 77% (122/158) of DRPs warranted involvement of a health care provider. In the implementation domain, 87% (116/133) of conversations were answered within the promised timeframe with a median time investment of 4:15 (IQR 2:21-7:27) minutes per conversation. Acceptability was rated high by patients (median 4, IQR 4-5) and pharmacists (median 5, IQR 4-5). Finally, in the practicality domain, System Usability Scale was scored above average for patients (mean 72, SD 18) and pharmacists (mean 81, SD 16). Conclusions: Text messaging with pharmacists at the initiative of patients with rheumatic diseases seems feasible for discussing DRPs in terms of limited efficacy, implementation, acceptability, demand, and practicality for patients and pharmacists.
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 | 0,016 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».