MétaCan
Menu
Retour à la cohorte
Enregistrement W2922518637 · doi:10.1093/jcag/gwz006.094

A95 THE IMPACT OF AGE ON NON-COMPLIANCE IN AN AMBULATORY ACADEMIC INFLAMMATORY BOWEL DISEASE (IBD) PRACTICE

2019· article· en· W2922518637 sur OpenAlexaff
Natasha Bollegala, Tamara Kailas, Jordan LoMonaco

Notice bibliographique

RevueJournal of the Canadian Association of Gastroenterology · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueAdolescent and Pediatric Healthcare
Établissements canadiensWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineInflammatory bowel diseaseLogistic regressionAmbulatoryCohortInternal medicineRetrospective cohort studyFamily historyDiseasePediatrics

Résumé

récupéré en direct d'OpenAlex

Compliance is critical to the foundation of high quality IBD care. However, many studies rely on self-reported compliance metrics without corroboration. Pediatric to adult transition of care in IBD is a challenging period during which compliance is compromised. To determine the impact of transition age (18–25) on non-compliance. A retrospective cohort study was performed using data from a sample of gastroenterology patients (n=245) recorded in the electronic medical record between January 1, 2015 and June 30, 2017. Data was extracted between July 1st, 2017 and August 31st, 2017. Data on patient sex, age at last encounter (separated into 4 categories), age of diagnosis, residential address, disease type, comorbidities, medications, substance use, family history of IBD and markers of non-compliance were collected. Single variable logistic regression was used to determine the impact of age category on compliance. Multivariable logistic regression was used to investigate the likelihood of non-compliance depending on age category while adjusting for baseline characteristics. 245 patients were included and separated (18–25 (n=27), 26–45 (n=109), 46–65 (n=84), >65 (n=25)). 49% had Crohn’s Disease (CD), the mean age at last interaction was 43 +/-15, mean age of IBD diagnosis 31 +/-14, 54% were on biologic therapy, 53% had another non-IBD related comorbidity, 50% reported some form of substance use, 33% had a family history of IBD. The 18–25 group was more likely to not show up for a follow-up visit (33% vs 23% vs 11% vs 12%, p=0.002), not show up to a GP appointment (30% vs 29% vs 25% vs 28%, p=0.0081), arrive late to a GI appointment (56% vs 53% vs 45% vs 48%, p=0.001). They were less likely to cancel a GI appointment in advance (56% vs 66% vs 58% vs 56% p=0.002). Patients aged 18–25 were less likely to volunteer self-discontinuation or inconsistent use of medications, as documented in the physician notes (19% vs 42% vs 43% vs 44%, (p=0.002) and were more likely to have no documented non-compliance in the physician notes (59% vs 41% vs 34% vs 44%, p=0.0002). When focusing on no-show, late arrivals or cancelled visits, a multivariable logistic regression model revealed that all other age categories demonstrated less non-compliance compared to the 18–25 age group (26–45 years OR -1.50 [-2.24,-0.75], 46–65 years OR -2.57 [-3.43,-1.72], >65 years OR -2.62 [-3.61,-1.63]. However, when focusing only on physician documented non-compliance, multivariable logistic regression model did not reveal age as a significant predictor. Transition aged patients 18–25 show more objective forms of non-compliance but are less likely to volunteer their non-compliance in physician interactions, making self-reported compliance metrics unreliable. Department of Medicine, Women’s College Hospital

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,392
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Canadian Association of GastroenterologyMême sujetAdolescent and Pediatric HealthcareTravaux en français237 207