Visual Analog Scale of ART Adherence
Notice bibliographique
Résumé
BACKGROUND: Brief self-reports of antiretroviral therapy adherence that place minimal burden on patients and clinic staff are promising alternatives to more elaborate adherence assessments currently in use. This research assessed the association between self-reported adherence on visual analog scale (VASs) and an existing, more complex self-reported measure of adherence, the AACTG, and the degree to which each method distinguished optimally and suboptimally adherent patients in terms of reported barriers to adherence. METHODS: HIV-infected patients (N = 147) at a southeastern US clinic completed a computerized assessment including an antiretroviral therapy adherence VAS, a modified version of the AACTG, and a measure of adherence. RESULTS: Adherence rates were comparable across the AACTG (81%) and VAS (87%); they significantly correlated (r = 0.585) and produced identical classification of optimal (>90%) or suboptimal (<90%) adherence for 66% of patients. In general, VAS scores tended to be higher than AACTG scores. Suboptimally adherent patients reported more adherence barriers than those classified as optimally adherent, and those so classified by the VAS reported considerably more barriers to adherence than those so classified by the AACTG. CONCLUSIONS: Results generally support the construct validity of the VAS and its use as an easily administered assessment tool that can identify patients with barriers to adherence who might benefit from adherence support interventions.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,004 |
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 ».