Adherence and Persistence with Methotrexate in Rheumatoid Arthritis: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Medication adherence in patients with rheumatoid arthritis (RA) is typically suboptimal. Nonadherence has been associated with symptom worsening and increased disability. We systematically reviewed published clinical studies to evaluate methotrexate (MTX) adherence and persistence, factors associated with MTX adherence and persistence, and the effect of MTX nonadherence on clinical outcomes in RA. METHODS: MEDLINE and Embase were systematically searched (inception to February 2016) using relevant keywords. Observational or interventional clinical studies in patients with RA that specifically reported adherence to or persistence with MTX were included. Data were extracted using a predesigned, standardized template that included study design, patient demographics, and relevant outcomes. Main outcomes were MTX adherence and persistence rates in patients with RA treated with MTX and factors associated with MTX adherence and persistence. RESULTS: Of 365 references screened, 31 articles met inclusion criteria and another 10 were identified from searching reference lists. Estimates of MTX adherence varied from study to study because of heterogeneity in patient populations, duration of followup, definitions of adherence, and methods of assessment. Rates of MTX persistence ranged from 50% to 94% at 1 year and 25% to 79% at 5 years. No clear trends were identified in factors that influence MTX adherence and persistence. Two studies suggested that MTX adherence was associated with superior clinical outcomes. CONCLUSION: MTX adherence and persistence are highly variable in patients with RA. Research is necessary to determine the effect of nonadherence on health outcomes and to identify independent predictors of nonadherence to inform evidence-based interventions.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».