Predicting Noninsulin Antidiabetic Drug Adherence Using a Theoretical Framework Based on the Theory of Planned Behavior in Adults With Type 2 Diabetes
Notice bibliographique
Résumé
Understanding the process behind noninsulin antidiabetic drug (NIAD) nonadherence is necessary for designing effective interventions to resolve this problem. This study aimed to explore the ability of the theory of planned behavior (TPB), which is known as a good predictor of behaviors, to predict the future NIAD adherence in adults with type 2 diabetes. We conducted a prospective study of adults with type 2 diabetes. They completed a questionnaire on TPB variables and external variables. Linear regression was used to explore the TPB's ability to predict future NIAD adherence, which was prospectively measured as the proportion of days covered by at least 1 NIAD using pharmacy claims data. The interaction between past NIAD adherence and intention was tested. The sample included 340 people. There was an interaction between past NIAD adherence and intention to adhere to the NIAD (P = 0.032). Intention did not predict future NIAD adherence in the past adherers and nonadherers groups, but its association measure was high among past nonadherers (β = 5.686, 95% confidence interval [CI] -10.174, 21.546). In contrast, intention was mainly predicted by perceived behavioral control both in the past adherers (β = 0.900, 95% CI 0.796, 1.004) and nonadherers groups (β = 0.760, 95% CI 0.555, 0.966). The present study suggests that TPB is a good tool to predict intention to adhere and future NIAD adherence. However, there was a gap between intention to adhere and actual adherence to the NIAD, which is partly explained by the past adherence level in adults with type 2 diabetes.
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 | 0,002 |
| 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 | 0,001 |
| 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) | 0,003 | 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 ».