Patient trust-in-physician and race are predictors of adherence to medical management in inflammatory bowel disease
Notice bibliographique
Résumé
BACKGROUND: Adherence plays an important role in the therapeutic effectiveness of medical therapy in inflammatory bowel disease (IBD). We assessed whether trust-in-physician and Black race were predictors of adherence. METHODS: We performed a cross-sectional study of Black (n = 120) and White (n = 115) IBD patients recruited from an outpatient IBD clinic. Self-reported adherence to taking medication and keeping appointments, trust-in-physician, and health-related quality of life were measured using the validated instruments, the modified Hill-Bone Compliance Scale (HBCS), the Trust-in-Physician Scale (TIPS), and the Short IBD Questionnaire (SIBDQ), respectively. RESULTS: Overall adherence was 65%. Higher adherence correlated with greater trust-in-physician (r = -0.30; P < 0.0001), increasing age (r = -0.19; P = 0.01), and worsening health-related quality of life (r = -0.18; P = 0.01). Adherence was also higher among White IBD patients compared to Blacks (HBSC: 15.6 versus 14.0, P < 0.0001). Trust-in-physician, race, and age remained predictors of adherence to medical management after adjustment for employment, income, health insurance, marital and socioeconomic status, and immunomodulator therapy. The adjusted odds ratio for adherence in Blacks compared to Whites was 0.29 (95% confidence interval: 0.13-0.64). Every half standard deviation increase in trust-in-physician and every incremental decade in age were associated with 36% and 47% higher likelihood of adherence, respectively. CONCLUSIONS: Trust-in-physician is a potentially modifiable predictor of adherence to IBD medical therapy. Black IBD patients exhibited lower adherence compared to their White counterparts. Understanding the mechanisms of these racial differences may lead to better optimization of therapeutic effectiveness.
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 | 0,006 |
| 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) | 0,002 | 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 ».