Notice bibliographique
Résumé
OBJECTIVE: To identify the determinants of medication non-adherence in women with fibromyalgia (FM). METHODS: Participants included 10 rheumatologists and 127 women recruited from tertiary care hospitals and the community. Demographic, clinical and psychosocial characteristics and patient-physician discordance were assessed at the baseline visit. Non-adherence was assessed 2 weeks later. Multivariable generalized estimating equations were used to identify determinants of non-adherence to medication. RESULTS: The average age of the women was 50.4 (s.d. 10.5) yr and the mean disability score was 60.3 (16.0) yr. Sixty (47.2%) women were non-adherent to medication; 20 (33.3%) of these were intentionally non-adherent, 24 (40.0%) were unintentionally non-adherent, and the remaining subjects were both. Overall non-adherence was predicted by higher patient-physician discordance. Unintentional non-adherence was predicted by community subjects, not being under a rheumatologist's care, less disease activity, less use of instrumental coping, and higher patient-physician discordance. Intentional non-adherence was predicted by shorter duration under a rheumatologist's care and higher patient-physician discordance. CONCLUSION: The therapeutic relationship, in addition to clinical and psychosocial characteristics, influenced non-adherence to medication.
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 | 0,001 |
| 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 ».