Health Beliefs, Disease Severity, and Patient Adherence
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
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle