Assessing adherence to teriparatide therapy, causes of nonadherence and effect of adherence on bone mineral density measurements in osteoporotic patients at high risk for fracture
Notice bibliographique
Résumé
OBJECTIVES: To determine (a) adherence rates at 6, 9 and 18 months amongst patients receiving teriparatide treatment for severe osteoporosis and (b) causes of therapy discontinuation and the effect of teriparatide on bone mineral density (BMD) in adherent and nonadherent patients at different time intervals. METHODS: A retrospective chart review of 111 patients receiving teriparatide from September 2004 to June 2007 was performed. Patients self-reports were used to record adherence and causes of nonadherence at 6, 9 and 18 months. BMDs for all patients were measured using the same DXA scanner at baseline and follow up. RESULTS: Of 111 participants, 17 were male (mean age 60 years) and 94 were female (mean age 69 years). Of these, 12 did not initiate therapy and 4 were lost to follow up. Reported adherence was 89.6% at 6 months, 87.6% at 9 months and 74.7% at 18 months. Causes of nonadherence included cost (n = 4), no benefit (n = 1) and adverse events (n = 8). Common adverse events were leg cramps (n = 9), headache (n = 5) and myalgia (n = 4). Mean spine and femur BMD changes were 3.30% and 0.67% at 4-9 months respectively, and 5.39% and 0.77% at 10-18 months respectively. CONCLUSION: Adherence to teriparatide was almost 90% at 9 months and decreased to 75% at 18 months. Adverse events led to nonadherence in 20% of patients. Those who were nonadherent had lower baseline BMD values than those who were adherent. Changes in BMD at the lumbar spine were greater than changes observed at the femoral neck.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».