Trajectories of adherence to mood stabilizers in patients with bipolar disorder
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
BACKGROUND: Nonadherence with mood stabilizers is a major problem that negatively impacts the course of bipolar disorder. Medication adherence is a complex individual behavior, and adherence rates often change over time. This study asked if distinct classes of adherence trajectories with mood stabilizers over time could be found, and if so, which patient characteristics were associated with the classes. METHODS: This analysis was based on 12 weeks of daily self-reported data from 273 patients with bipolar 1 or II disorder using ChronoRecord computer software. All patients were taking at least one mood stabilizer. The latent class mixed model was used to detect trajectories of adherence based on 12 weekly calculated adherence datapoints per patient. RESULTS: Two distinct trajectory classes were found: an adherent class (210 patients; 77%) and a less adherent class (63 patients; 23%). The characteristics associated with the less adherent class were: more time not euthymic (p < 0.001) and female gender (p = 0.016). No other demographic associations were found. CONCLUSION: In a sample of motivated patients who complete daily mood charting, about one quarter were in the less adherent class. Even patients who actively participate in their care, such as by daily mood charting, may be nonadherent. Demographic characteristics may not be useful in assessing individual adherence. Future research on longitudinal adherence patterns in bipolar disorder is needed.
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 | 0,001 | 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