Medication Nonadherence in Systemic Lupus Erythematosus: A Systematic Review
Notice bibliographique
Résumé
OBJECTIVE: Medication nonadherence has not been well characterized in systemic lupus erythematosus (SLE). Our objective was to a conduct a systematic review of the literature, examining the burden and determinants of medication nonadherence in SLE. METHODS: We conducted a systematic search of Medline (1946-2015), Embase (1974-2015), and Web of Science (1900-2015) databases and selected original studies of SLE patients that evaluated nonadherence to SLE therapies as the primary study outcome. We extracted information on study design, sample size, length of followup, data sources, type of nonadherence problem examined, adherence measures and reported estimates, and determinants of adherence reported in multivariable analyses. RESULTS: After screening 4,111 titles, 11 studies met the inclusion criteria. Study sample sizes ranged from 32 to 246 patients, and studies were categorized according to data source: self-report (5), electronic monitoring devices (1), clinical records from rheumatology clinics (3), and refill information from pharmacy records (2). Overall, the percentage of nonadherent patients ranged from 43% to 75%, with studies consistently reporting that over half of patients are nonadherent. Studies also showed that up to 33% of patients discontinue therapy after 5 years. Determinants of nonadherence included having depression, rural residence, lower education level, and polypharmacy. CONCLUSION: Overall, synthesis of current evidence suggests that the burden of medication nonadherence is substantial in SLE. Findings highlight the importance of developing interventions to support adherence and improve outcomes among patients.
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 | 0,011 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,006 |
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 ».