Factors That Impact Treatment Decisions
Notice bibliographique
Résumé
OBJECTIVE: To identify patient-reported factors that influence medication treatment decisions among individuals with bipolar and unipolar depression. METHODS: The Depression and Bipolar Support Alliance (DBSA) conducted an online survey February 2016 to April 2016 asking participants about factors that influence treatment decisions (eg, starting and stopping specific medications). RESULTS: In total, 896 participants completed the survey (49.9% unipolar depression [n = 447] and 50.1% bipolar depression [n = 449]). The majority of respondents reported several previous medication trials. The most frequently reported factors impacting treatment decisions were side effects, doctor recommendations, cost, and how quickly the treatment will begin to work. The most common reason for changing treatments was ineffectiveness in the unipolar depression group and side effects in the bipolar depression group. Weight gain was the side effect that most commonly led respondents to discontinue a medication. When respondents currently using medications versus respondents not using medications were compared, doctor recommendations were more likely to be influential for those taking medications (P < .0001). Conversely, cost (P = .008) and impact on pregnancy/lactation (P = .045) were more likely to impact treatment decisions in participants not currently taking medications. Current medication use was associated with increased rates of perceived treatment effectiveness (P < .0001). CONCLUSIONS: Side effects, doctor recommendations, cost, and rapidity of antidepressant effects were determined to be particularly important factors in making treatment decisions, with doctor recommendations being more influential for medication users and cost being more influential for participants not using medications. These findings highlight the importance of patient-centered factors in adjudicating treatment decisions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 ».