Patient knowledge and pulmonary medication adherence in adult patients with cystic fibrosis
Notice bibliographique
Résumé
Background and objectives: Patient knowledge of lung function (ie, forced expiratory volume in 1 s [FEV 1 ]% predicted) and the intended benefits of their prescribed pulmonary medications might play an important role in medication adherence, but this relationship has not been examined previously in patients with cystic fibrosis (CF). Methods: All patients diagnosed with CF and without prior lung transplantation were invited to complete knowledge and self-reported medication adherence questionnaires during routine outpatient visits to the Adult CF Clinic, St Paul’s Hospital, Vancouver, Canada from June 2013 to August 2014. Results: A total of 142 out of 167 (85%) consecutive adults attending CF clinic completed patient knowledge and medication adherence survey questionnaires. Sixty-four percent of the patients recalled their last FEV 1 % predicted value within 5%, and 70% knew the intended benefits of all their prescribed medications. Self-reported adherence rates were highest for inhaled antibiotics (81%), azithromycin (87%), and dornase alpha (76%) and lowest for hypertonic saline (47%). Individuals who knew their FEV 1 % predicted value within 5% were more likely to self-report adherence to dornase alpha (84% vs 62%, P =0.06) and inhaled antibiotics (88% vs 64%, P =0.06) compared to those who did not, but these associations were not statistically significant. There were no significant associations observed between patient knowledge of intended medication benefits and self-reported medication adherence. Conclusion: Contrary to our hypothesis, disease- and treatment-related knowledge was not associated with self-reported medication adherence. This suggests other barriers to medication adherence should be targeted in future studies aiming to improve medication adherence in adults with CF. Keywords: cystic fibrosis, health literacy, medication adherence, patient compliance, patient medication knowledge
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».