The Relationship Between Sociodemographic Factors and Persistence With Topical Glaucoma Medications
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
PURPOSE: To investigate the relationship between sociodemographic factors and nonpersistence with topical glaucoma medication. DESIGN: This was a retrospective, observational cohort study. PATIENTS AND METHODS: We invited glaucoma patients on medical therapy from a general ophthalmology practice to complete a standardized questionnaire between November 2011 and April 2012. Nonpersistence was defined as having ≥ 1 gaps (≥ 14 d without medication) in therapy over the last year. Patients' pharmacy records, dating back 1 year from study enrollment, were used to determine the total number of gaps and the cumulative number of days off therapy in the last year. Prevalence ratios (PR) and 95% confidence intervals (CI) were used to assess the relationship between sociodemographic factors and nonpersistence. The relationships between sociodemographic factors and the median number of gaps, as well as the median number of days off, were also assessed. RESULTS: Sixty-one patients were included for analysis. The mean age was 72 years; 61% were male patients and 71% were on one medication for glaucoma. Fifty-four percent of patients (n=33) were nonpersistent with glaucoma medications over the 1 year study period. Median numbers of gaps and days off therapy were 1 and 11, respectively. Patients reporting below average income were twice as likely to be nonpersistent (prevalence ratio, 2.02; 95% confidence interval, 1.37-2.96; P<0.01). Below average income also trended toward a greater median number of days off therapy (P=0.07). CONCLUSIONS: Below average socioeconomic status may negatively impact persistence with topical glaucoma medications, potentially threatening long-term visual outcomes.
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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle