Depression and antecedent medication adherence in a cohort of new metformin users
Notice bibliographique
Résumé
AIMS: The association between depression and poor medication adherence is based on cross-sectional studies and cohort studies that measure adherence rates after depression status is determined. However, depressive symptoms occur well before diagnosis. This study examined adherence patterns in the year before a depressive episode. METHODS: This retrospective cohort study followed new metformin users identified in Alberta Health's administrative data between 2008 and 2018. Depressive episodes starting ≥1 year after metformin initiation were identified using a validated case definition. Controls were randomly assigned a pseudo depression date. Adherence to oral antihyperglycemic medications was estimated using proportion of days covered (PDC) and group-based trajectory models to explore the association between depression and poor adherence (PDC<0.8). RESULTS: A depressive episode occurred in 17,418 (10.6%) of 165,056 new metformin users. Individuals with depression were more likely to have poor adherence compared to controls (adjusted odds ratio 1.21; 95% CI 1.17, 1.26). Five trajectories were identified: nearly perfect adherence (PDC >0.95 [34.8% of cohort]), discontinued (PDC=0 [18.3% of cohort], poor initial adherence (PDC 0.75) that declined either rapidly (9.2% of cohort) or gradually (30.1% of cohort), and poor initial adherence (PDC 0.26) that increased gradually (7.6% of cohort). Individuals with depression were more likely to be in one of the four trajectories of poor adherence compared to controls (adjusted odds ratio 1.24; 95% CI 1.19-1.29). CONCLUSIONS: Poor medication adherence occurs in the year before a depressive episode; therefore, poor medication use patterns could be used as an early warning sign for depression.
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 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 | 0,001 |
| 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) | 0,001 | 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 tête enseignante, 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 ».