Factors Associated with Poor Eye Drop Administration Technique and the Role of Patient Education among Hong Kong Elderly Population
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives . To identify the risk factors for poor eye drop application technique in treatment-naïve subjects and to assess if patient education can benefit these subjects. Methods . Chinese subjects above 60 years were recruited. Questionnaires, including Barthel index; Lawton’s instrumental activities of daily living (ADL); Fatigue, Resistance, Ambulation, Illnesses, and Loss of Weight (FRAIL) scale; and Montreal Cognitive Assessment (MoCA), were used to correlate with eye drop application technique (before and after patient education) using Spearman correlation analysis. A multiple linear regression was conducted to determine the predictors of successful administration technique and the improvement of technique after education. Results . The data from 26 subjects (mean age 72) were analyzed. Eye drop instillation technique score improved from 5.42 at baseline to 7.33 after clear instructions. FRAIL score was an independent predictor of baseline score (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mrow><mml:mi>p</mml:mi><mml:mo>=</mml:mo><mml:mn>0.003</mml:mn></mml:mrow></mml:math>), as well as the improvement after patient education (<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M2"><mml:mrow><mml:mi>p</mml:mi><mml:mo>=</mml:mo><mml:mn>0.012</mml:mn></mml:mrow></mml:math>). Age, sex, education level, visual acuity, Barthel index, MoCA, and ADL score were not correlated with eye drop instillation technique, before nor after patient education. Discussion . In patients with poor functional status as reflected by FRAIL score, eye drop application is prone to be ineffective. Education with step-by-step instructions could effectively improve the success of eye drop application.
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.
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 | 0,000 |
| 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 découle