Disease-Modifying Therapies and Adherence in Multiple Sclerosis: Comparing Patient Self-Report with Pharmacy Records
Notice bibliographique
Résumé
BACKGROUND: Self-report and pharmacy records are often used to measure adherence rates to disease-modifying therapies (DMTs) in multiple sclerosis (MS), but little is known about how the sources compare. OBJECTIVE: Compare self-report and pharmacy records for assessing DMT use and adherence rates. METHODS: Demographic information, self-reported DMT use, and missed DMT doses in the previous 30 days were obtained from consecutive MS patients attending an MS clinic and linked to pharmacy records. A medication possession ratio (MPR) was calculated using pharmacy records for the year before and after the visit; MPR <80% defined nonadherence. Agreement between self-report and pharmacy records was assessed using Cohen's kappa (κ). RESULTS: Of 326 participants, 135 reported using an injectable DMT. There was near-perfect and perfect agreement between self-report and pharmacy records for DMT use (κ = 0.95; 95% CI 0.91-0.98) and DMT agent (κ = 1.00). Nonadherence was estimated at 13% (17/128) from the 30-days self-report compared to 30% (34/113) and 43% (53/123) in the year pre- and post-clinic visit from pharmacy records, indicating moderate to fair agreement (year prior: κ = 0.41; 95% CI 0.22-0.59; year post: κ = 0.22; 95% CI 0.09-0.36). CONCLUSIONS: Patients self-reports closely reflected pharmacy records when assessing DMT use and product. Moderate to fair agreement was found when comparing adherence rates between sources.
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 | 0,001 | 0,005 |
| 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) | 0,000 | 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 ».