Predictors of Adherence to Treatment in Women With Fibromyalgia
Notice bibliographique
Résumé
OBJECTIVES: The goal of this study was to identify predictors of general and medication adherence in women with fibromyalgia (FM). METHODS: Participants were 142 women recruited from tertiary care hospitals or the community and 10 rheumatologists. Participants' demographic, clinical, and psychosocial characteristics, as well as patient-physician discordance, were assessed at the index visit. Adherence was assessed 6 months later. Multivariable generalized estimating equations were used to identify predictors of general adherence and adherence to medication. RESULTS: The average age of participants was 50.9 years (SD=10.2) and the median duration of FM was 32 months. Participants reported extensive use of health services and medications. The mean score for general adherence was 61.0 (SD=22.4; range 0-100) and 52.9% of the cohort reported at least one form of behavior reflecting nonadherence to medications. More general adherence was significantly predicted by lower patient-physician discordance on patient well-being and lower patient psychological distress. Medication adherence was significantly predicted by higher affective pain and lower patient psychological distress. CONCLUSIONS: Adherence is influenced by both clinical (patient-physician discordance and pain) and psychological (distress) factors in women with FM. Improvements in these domains may improve adherence in FM.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 0,000 |
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.
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 ».