Multiple-domain Versus Single-domain Measurements of Socioeconomic Status (SES) for Predicting Nonadherence to Statin Medications
Notice bibliographique
Résumé
INTRODUCTION: Low socioeconomic status (SES) should be a robust predictor of medication nonadherence because it shares key features with the theoretical origins of this phenomenon. However, population-based studies have demonstrated weak associations overall, possibly because SES is inadequately represented. We compared the performance of multiple versus single-domain measures of SES as predictors of statin adherence. METHODS: This retrospective cohort study used population-based administrative data mapped to area-level census information of individuals who received a statin medication following a hospitalization for coronary heart disease. One-year adherence was calculated by dividing the sum of all tablets dispensed by the total number of days in the observation period (365 d following the first statin dispensation). Logistic regression models were constructed and the relative impact of each SES measure was assessed by its adjusted odds ratio (OR) and improvement over the predictive accuracy of a reference model that included non-SES factors only. RESULTS: More than two thirds (ie, 68.8%; 6517/9478) of eligible individuals exhibited optimal adherence (ie, ≥80%). The estimated impact of SES on optimal adherence differed depending on the SES measure tested. The highest performing single-domain measure, household income (OR=0.75; 95% confidence interval, 0.63-0.90; model c-statistic improvement 0.5%, P=0.04) generated a similar result to the multiple-domain measure (adjusted OR=0.74; 95% confidence interval, 0.62-0.88; model c-statistic improvement 0.7%, P=0.01). CONCLUSION: Multidomain measurements of SES using administrative databases mapped to census data are not associated with better performance in predicting statin medication adherence compared with single-domain measures such as household income.
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 | 0,004 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».