Preventing rheumatoid arthritis: Preferences for and predicted uptake of preventive treatments among high risk individuals
Notice bibliographique
Résumé
OBJECTIVE: To understand preferences for and estimate the likely uptake of preventive treatments currently being evaluated in randomized controlled trials with individuals at increased risk of developing rheumatoid arthritis (RA). METHODS: Focus groups were used to identify key attributes of potential preventive treatment for RA (reduction in risk of RA, how treatment is taken, chance of side effects, certainty in estimates, health care providers opinion). A web-based discrete choice experiment (DCE) was administered to people at-risk of developing RA, asking them to first choose their preferred of two hypothetical preventive RA treatments, and then between their preferred treatment and 'no treatment for now.' DCE data was analyzed using conditional logit regression to estimate the significance and relative importance of attributes in influencing preferences. RESULTS: Two-hundred and eighty-eight first-degree relatives (60% female; 66% aged 18-39 years) completed all tasks in the survey. Fourteen out of fifteen attribute levels significantly influenced preferences for treatments. How treatment is taken (oral vs. infusion β0.983, p<0.001), increasing reduction in risk of RA (β0.922, p<0.001), health care professional preference (β0.900, p<0.001), and avoiding irreversible (β0.839, p<0.001) or reversible serious side effects (β0.799, p<0.001) were most influential. Predicted uptake was high for non-biologic drugs (e.g. 84% hydroxycholoroquine), but very low for atorvastatin (8%) and biologics (<6%). CONCLUSION: Decisions to take preventative treatments are complex, and uptake depends on how treatments can compromise on convenience, potential risks and benefits, and recommendations/preferences of health care professionals. This evidence contributes to understanding whether different preventative treatment strategies are likely to be acceptable to target populations.
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 | 0,014 |
| 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 | 0,001 | 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) | 0,003 | 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 ».