Adherence to disease modifying therapies (DMTs) in multiple sclerosis: a thematic meta-synthesis of qualitative research
Notice bibliographique
Résumé
Up to 59% of people with multiple sclerosis (MS) are sub-optimally adherent to disease modifying therapies (DMTs), leading to relapses and hospitalization. The aim of this review is to systematically identify, appraise and synthesise qualitative research exploring views and experiences of people with MS regarding DMTs, to identify factors potentially influencing treatment adherence. Systematic searches of six databases and citation searching identified 1326 unique citations. Screening by two reviewers yielded 12 studies for inclusion. These were appraised using the Critical Appraisal Skills Programme tool and synthesised thematically. Included papers dated from 2001-2014, reporting studies conducted in the USA (n=8), Canada (n=3) and the UK (n=1). The majority focused on experience of self-injecting DMTs, though one study examined only intravenous infusions and four additionally considered oral therapies. Synthesis generated higher-order analytical themes leading to broader conceptual understandings than presented within individual studies. Themes encompassed the importance of feeling in control; the desire to lead a normal life and the extent to which DMTs facilitated or inhibited this; and the continual process of weighing up costs and benefits of treatment (including adverse side effects and perceived effectiveness) to achieve optimal quality of life now and in the future. People with MS take DMTs when they believe the drugs will facilitate their living a ‘normal’ life, and avoid taking them when they believe they will interfere with quality of life or present risks. Future research should investigate adherence to oral and intravenous DMTs, and interventions should address these patient objectives.
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 | 0,014 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,000 | 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 ».