ANTİDEPRESAN KULLANAN MAJÖR DEPRESYON HASTALARINDA YAN ETKİLERİN VE HASTA UYUNCUNUN DEĞERLENDİRİLMESİ
Notice bibliographique
Résumé
The aim of the study is to determine side effects, and medication adherence in patients who were diagnosed with major depression utilized antidepressants. This study was conducted in outpatient psychiatry clinic between February 2013 and May 2013. ‘Toronto Side Effects Scale’ and 4-item Morisky-Green- Levine Medication Adherence Scale were evaluated. Fifty-six major depression patients (mean of age: 40.82 ± 14.28 years old; male/female: 13/43) were included in this study. Patients were treated with escitalopram (46.4%), sertraline (26.8%), venlafaxine (10.7%), citalopram (8.9%) and paroxetine (7.1%). The most common side effects that patients reported were drowsiness/ daytime somnolence (57.1%), dry mouth (46.4%) and increased sleep (46.4%), increased appetite (37.5%) and malaise or fatigue (30.4%). The most severity side effects that patients experienced were drowsiness/ daytime somnolence (25%), increased sleep (19.6%) and decreased libido (14.3%). Only fifteen (26.8%) patients were found high adherent to their medication. It was concluded that although the frequency and severity of side effects have been found high, the percentage of patients’ medication adherence has been obtained low. Patient education and monitoring regarding side effects and medication adherence providing by pharmacists would be contributed to prevent possible drug induced problems in these patients besides the routine services they are taken from outpatient clinic.
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».