MétaCan
Menu
Retour à la cohorte
Enregistrement W3088619630 · doi:10.1590/s1980-220x2018048903590

Treatment adherence and frailty syndrome in hypertensive older adults

2020· article· en· W3088619630 sur OpenAlexaboutno aff
Luí­pa Michele Silva, Ana Carolina de Souza, Jack Roberto Silva Fhon, Rosalina Aparecida Partezani Rodrigues

Notice bibliographique

RevueRevista da Escola de Enfermagem da USP · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueFrailty in Older Adults
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBlood pressureConfidence intervalDiseaseGerontologyTest (biology)Frailty syndromeMedication adherenceCross-sectional studyDescriptive statisticsPhysical therapyInternal medicineFrailty Index

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To analyze the association between adherence to antihypertensive treatment and frailty syndrome in hypertensive older adults. METHOD: A descriptive, cross-sectional study with a quantitative approach with older adults. The data collection took place between November 2017 and March 2018, evaluating sociodemographic information, adherence to antihypertensive treatment, lifestyle and frailty through the Edmonton Frail Scale. The Kruskal-Wallis test and the Chi-squared test were used for data analysis, considering a 95% confidence interval and a significance level of p<0.05. RESULTS: There were 193 older adults who participated in the study. The average age was 80.94 (sd ± 7.17) years, with a predominance of females (72%) and widows (43.5%). The factors which were associated with adherence to treatment were diastolic blood pressure, education and the time that the older adult had smoked (p<0.05). Frailty was not associated with treatment adherence levels (p=0.095). CONCLUSION: There was no association between frailty scores and control of arterial hypertension; however, adequate monitoring and nursing care are essential in assessing adherence to treatment in order to reduce the aggravations of the disease and frailty syndrome development.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,054
Tête enseignante GPT0,307
Écart entre enseignants0,254 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista da Escola de Enfermagem da USPMême sujetFrailty in Older AdultsTravaux en français237 207