Adherence and Persistence with Drug Therapy among Fibromyalgia Patients: Data from a Large Health Maintenance Organization
Notice bibliographique
Résumé
OBJECTIVE: To assess 1-year persistence and adherence rates with drug therapy among patients with fibromyalgia (FM) and to identify factors associated with therapy discontinuation. METHODS: This retrospective, cohort study included members ≥ 21 years old from the Maccabi Healthcare Services, a large health maintenance organization in Israel, who were diagnosed with FM from 2008 through 2011. Medications of interest included the anticonvulsant pregabalin, antidepressants [selective serotonin reuptake inhibitor (SSRI), serotonin/norepinephrine reuptake inhibitor (SNRI)], and tricyclic antidepressants (TCA). Time to treatment discontinuation and proportion of days covered (PDC) with FM-specific therapies during the year from first dispensed were analyzed. PDC < 20% was considered low adherence and PDC ≥ 80% was considered high adherence. Logistic regression models were constructed for multivariable analyses. RESULTS: Overall, 3932 patients with FM were included; 88.7% were female. Pre-diagnosis use of medication of interest was documented in 41% of the study population. Of the remaining 2312 patients, 56.1% were issued a prescription, 45.0% were dispensed at least 1 medication in the year following diagnosis, and only 28.8% had prescriptions filled twice within the first year from diagnosis. Among newly prescribed patients, 1-year discontinuation was highest for TCA (91.0%) and lowest for SSRI/SNRI antidepressants (73.7%). Over half of the patients (60.5%) had fewer than 20% of the days covered by any medication during the year and only 9.3% were very adherent (PDC ≥ 80%). CONCLUSION: This study clearly shows that in an Israeli "real-life" population of patients with FM, persistence and adherence with FM therapy in the year following diagnosis is remarkably low.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 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 ».