Predicting medication adherence and employment status following kidney transplant: The relative utility of traditional and everyday cognitive approaches.
Notice bibliographique
Résumé
OBJECTIVE: The authors investigated the utility of both traditional and everyday cognitive measures in predicting medication adherence and employment status among kidney transplant recipients. In addition, the role of noncognitive predictors was examined. METHOD: Cognitive measures of processing speed, memory, everyday problem solving, executive functioning, and questionnaires assessing mood, medication adherence, and employment status were individually administered to 108 kidney transplant recipients. Because the eligibility criteria differed for the two analyses, there were 103 participants in the medication adherence analyses and 94 participants in the employment analyses. Stepwise hierarchical regression and sequential binomial logistic regression analyses were conducted for continuous and dichotomous outcome measures, respectively. RESULTS: Findings indicate that both poorer performance on the everyday problem-solving test and a higher number of depressive symptoms were predictive of poorer self-reported medication adherence (R(2) = .19, p < .01). Furthermore, being on antidepressant medication, having a higher number of depressive symptoms, and poorer performance on traditional neuropsychological measures were predictive of fewer hours worked (Nagelkerke's R(2) = .29, ps <.05). CONCLUSIONS: This study highlights the differential associations between neurocognitive and psychosocial status, and medication adherence and employment status following kidney transplantation. The findings suggest that the relative importance of traditional and everyday measures is dependent upon the outcome examined.
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 | 0,000 | 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 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 ».