Measuring patient perceptions about osteoporosis pharmacotherapy
Notice bibliographique
Résumé
BACKGROUND: Adherence to osteoporosis pharmacotherapy is poor, and linked with patient perceptions of the benefits of, and barriers to taking these treatments. To better understand the association between patient perceptions and osteoporosis pharmacotherapy, we generated thirteen items that may tap into patient perceptions about the benefits of, and barriers to osteoporosis treatment; and included these items as part of a standardized telephone interview of women aged 65-90 years (n = 871). The purpose of this paper is to report the psychometric evaluation of our scale. FINDINGS: Upon detailed analysis, six of the thirteen items were omitted: four redundant, one did not correlate well with any other item and one factorial complex. From the remaining seven items, two distinct unidimensional domains emerged (variance explained = 78%). Internal consistency of the 5-item osteoporosis drug treatment benefits domain was good (Cronbach's alpha = 0.88), and was supported by construct validity; women reporting a physician-diagnosis or taking osteoporosis pharmacotherapy had higher osteoporosis treatment benefit scores compared to those reporting no osteoporosis diagnosis or treatment respectively. Because only two items were identified as tapping into treatment barriers, we recommend they each be used as a separate item assessing potential barriers to adherence to osteoporosis pharmacotherapy, rather than combined into a single scale. CONCLUSION: The 5-item osteoporosis drug treatment benefits scale may be useful to examine perceptions about the benefits of osteoporosis pharmacotherapy. Further research is needed to develop scales that adequately measure perceived barriers to osteoporosis pharmacotherapy.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».