Predicting adherence to therapy in rheumatoid arthritis, psoriatic arthritis or ankylosing spondylitis: a large cross-sectional study
Notice bibliographique
Résumé
Objective This analysis explored the association of treatment adherence with beliefs about medication, patient demographic and disease characteristics and medication types in rheumatoid arthritis (RA), psoriatic arthritis (PsA) or ankylosing spondylitis (AS) to develop adherence prediction models. Methods The population was a subset from ALIGN, a multicountry, cross-sectional, self-administered survey study in adult patients (n=7328) with six immune-mediated inflammatory diseases who were routinely receiving systemic therapy. Instruments included Beliefs about Medicines Questionnaire (BMQ) and 4-item Morisky Medication Adherence Scale (MMAS-4 © ), which was used to define adherence. Results A total of 3390 rheumatological patients were analysed (RA, n=1943; PsA, n=635; AS, n=812). Based on the strongest significant associations, the adherence prediction models included type of treatment, age, race (RA and AS) or disease duration (PsA) and medication beliefs (RA and PsA, BMQ-General Harm score; AS, BMQ-Specific Concerns score). The models had cross-validated areas under the receiver operating characteristic curve of 0.637 (RA), 0.641 (PsA) and 0.724 (AS). Predicted probabilities of full adherence (MMAS-4 © =4) ranged from 5% to 96%. Adherence was highest for tumour necrosis factor inhibitors versus other treatments, older patients and those with low treatment harm beliefs or concerns. Adherence was higher in white patients with RA and AS and in patients with PsA with duration of disease <9 years. Conclusions For the first time, simple medication adherence prediction models for patients with RA, PsA and AS are available, which may help identify patients at high risk of non-adherence to systemic therapies. Trial registration number ACTRN12612000977875.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 ».