使用半自动化程序 (CleanADHdata.R脚本) 清理电子附着监控数据:教程

科学领域:

• 数字健康数字健康
• 医疗信息学 医疗信息学
• 药物坚持研究 药物坚持研究

背景情况:

• 患者对药物的坚持至关重要,可以使用电子监视器 (EM) 等数字健康技术进行监测.
• 了解治疗变化和EM使用偏差对于准确的坚持评估至关重要.
• 鉴定这些因素是建立真正的药物坚持水平的关键.

研究的目的:

• 介绍并提供CleanADHdata.R计算机脚本的用户指南.
• 该脚本旨在清除原始电子监视器 (EM) 粘附数据.
• 该工具旨在标准化和改进数字健康遵守数据的分析.

主要方法:

• 收集的原始EM数据以及坚持开始/停止日期,处方方案和患者人口统计数据.
• 确定了预期的每日EM开口和偏离规定的使用.
• 脚本以纵向格式格式化数据,并计算每日药物实施情况.

主要成果:

• 分析了10名患者的模拟数据集,这些患者使用了15个EMS,平均时间为187天.
• 在数据清理后,患者实施的中位数从83.3%提高到97.3%,增长了14%.
• 这一显著的改进突显了脚本能够防止数据误解的能力.

结论:

• CleanADHdata.R脚本提供了一种半自动化方法,增强了合规数据分析的标准化和可重复性.
• 该工具具有广泛的应用,用于清理来自各种数字健康技术的坚持数据.
• 它提供了一个清洁的数据集,对于准确的遵守分析至关重要,包括实施和持久性.