Medication Adherence in Gout: A Systematic Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Recent data suggesting the growing problem of medication nonadherence in gout have called for the need to synthesize the burden, determinants, and impacts of the problem. Our objective was to conduct a systematic review of the literature examining medication adherence among patients with gout in real-world settings. METHODS: We conducted a search of Medline, Embase, International Pharmaceutical Abstracts, PsycINFO, and CINAHL databases and selected studies of gout patients and medication adherence in real-world settings. We extracted information on study design, sample size, length of followup, data source (e.g., prescription records versus electronic monitoring versus self-report), type of nonadherence problem evaluated, adherence measures and reported estimates, and determinants of adherence reported in multivariable analyses. RESULTS: We included 16 studies that we categorized according to methods used to measure adherence, including electronic prescription records (n = 10), clinical records (n = 1), electronic monitoring devices (n = 1), and self-report (n = 4). The burden of nonadherence was reported in all studies, and among studies based on electronic prescription records, adherence rates were all below 0.80 and the proportion of adherent patients ranged from 10-46%. Six studies reported on determinants, with older age and having comorbid hypertension consistently shown to be positively associated with better adherence. One study showed the impact of adherence on achieving a serum uric acid target. CONCLUSION: With less than half of gout patients in real-world settings adherent to their treatment, this systematic review highlights the importance of health care professionals discussing adherence to medications during encounters with patients.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 découle