MétaCan
Menu
Retour à la cohorte
Enregistrement W2038481253 · doi:10.1097/mlr.0b013e318032937e

Health Beliefs, Disease Severity, and Patient Adherence

2007· review· en· W2038481253 sur OpenAlexaff
M. Robin DiMatteo, Kelly B. Haskard, Summer L. Williams

Notice bibliographique

RevueMedical Care · 2007
Typereview
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensVictoria Park
Organismes subventionnairesNational Institute on Aging
Mots-clésSeriousnessMedicineDiseaseModerationIllness severitySeverity of illnessClinical psychologyRating scaleFamily medicinePsychiatryPsychologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A large body of empirical data exists on the prediction of patient adherence from subjective and objective assessments of health status and disease severity. This work can be summarized with meta-analysis. OBJECTIVES: Retrieval and summary analysis of r effect sizes and moderators of the relationship between patient adherence and patients': (1) beliefs in disease threat; (2) rated health status (by physician, self, or parent); and (3) objective disease severity. METHODS: Comprehensive search of published literature (1948-2005) yielding 116 articles, with 143 separate effect sizes. Calculation of robust, generalizable random effects model statistics, and detailed examination of study diversity with moderator analyses. RESULTS: Adherence is significantly positively correlated with patients' beliefs in the severity of the disease to be prevented or treated ("disease threat"). Better patient adherence is associated with objectively poorer health only for patients experiencing disease conditions lower in seriousness (according to the Seriousness of Illness Rating Scale). Among conditions higher in seriousness, worse adherence is associated with objectively poorer health. Similar patterns exist when health status is rated by patients themselves, and by parents in pediatric samples. CONCLUSIONS: Results suggest that the objective severity of patients' disease conditions, and their awareness of this severity, can predict their adherence. Patients who are most severely ill with serious diseases may be at greatest risk for nonadherence to treatment. Findings can contribute to greater provider awareness of the potential for patient nonadherence, and to better targeting of health messages and treatment advice by providers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,034
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,434
Écart entre enseignants0,335 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations482
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetMedication Adherence and ComplianceTravaux en français237 207