A meta-analysis of the association between adherence to drug therapy and mortality
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the relation between adherence to drug therapy, including placebo, and mortality. DESIGN: Meta-analysis of observational studies. DATA SOURCES: Electronic databases, contact with investigators, and textbooks and reviews on adherence. Review methods Predefined criteria were used to select studies reporting mortality among participants with good and poor adherence to drug therapy. Data were extracted for disease, drug therapy groups, methods for measurement of adherence rate, definition for good adherence, and mortality. RESULTS: Data were available from 21 studies (46,847 participants), including eight studies with placebo arms (19,633 participants). Compared with poor adherence, good adherence was associated with lower mortality (odds ratio 0.56, 95% confidence interval 0.50 to 0.63). Good adherence to placebo was associated with lower mortality (0.56, 0.43 to 0.74), as was good adherence to beneficial drug therapy (0.55, 0.49 to 0.62). Good adherence to harmful drug therapy was associated with increased mortality (2.90, 1.04 to 8.11). CONCLUSION: Good adherence to drug therapy is associated with positive health outcomes. Moreover, the observed association between good adherence to placebo and mortality supports the existence of the "healthy adherer" effect, whereby adherence to drug therapy may be a surrogate marker for overall healthy behaviour.
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 | 0,015 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,026 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».