Maximizing the effects of asthma interventions: predictors of perceived asthma control over time
Notice bibliographique
Résumé
Contexte: L'asthme entraîne une morbidité importante et réduit la qualité de vie lorsqu'elle est mal contrôlée. L'identification des caractéristiques cliniques et psychosociales qui influent sur contrôle de l'asthme à long terme peut aider à faire concorder les programmes de gestion de l'asthme aux besoins des individus. Objectif: Étude 1: Estimer la mesure dans laquelle le statut des symptômes, les croyances concernant les médicaments, l'auto-efficacité, l'émotion, et l'utilisation des soins de santé permettent de prédire le contrôle de l'asthme perçu sur une période de 16 mois dans une population des soins primaires. Étude 2: Estimer la mesure dans laquelle le statut des symptômes physiques et mentaux, les fonctions sociales, et l'utilisation des soins de santé permettent de prédire le contrôle de l'asthme perçu sur une période de 6 mois chez les personnes recevant des soins dans une clinique spécialisée en pneumologie.Méthodes: Les études 1 et 2 sont des analyses secondaires des données provenant de deux études longitudinales qui ont examiné les effets de l'asthme sur la santé. La première étude a recruté les participants de cliniques de soins primaires, tandis que la seconde a recruté les participants à partir d'une clinique spécialisée dans un hôpital à Montréal. Les évaluations sur les mesures de l'état de symptôme, les croyances concernant les médicaments, l'auto-efficacité, physique, mental, et les fonctions sociales, et l'utilisation des soins de santé ont été évaluées à 2 points dans le temps. Des modèles d'analyse de pistes causales ont été utilisés pour estimer les facteurs prédictifs de le contrôle de l'asthme perçu dans les deux études. Les modèles utilisés se basent sur les modèles Wilson & Cleary et modèles ICF. Le modèle de piste pour la première étude a émis l'hypothèse que les symptômes, les auto-efficacités, les croyances au sujet des médicaments, l'émotion, l'activité physique, et l'utilisation des soins de santé sont des facteurs prédictifs du contrôle de l'asthme perçu. Le modèle de piste pour la deuxième étude a émis l'hypothèse que le VEMS, les symptômes, la santé mentale, les fonctions physiques et sociales, le rôle émotionnel, et l'utilisation des soins de santé sont des facteurs prédictifs du contrôle de l'asthme perçu. Résultats: Étude 1: le modèle de piste causale a indiqué que les symptômes de l'asthme (B = 0,35, p = 0,00) et l'activité physique (B = 0,24, p = 0,01) ont eu un effet positif important sur la le contrôle de l'asthme perçu totale, tandis que la fonction émotive (B = 0,08, p = 0,05) et l'auto-efficacité (B = 0,07, p = 0,02) étaient des prédicteurs significatifs indirectement au moyen de l'activité physique. Le modèle explique 24% de la le contrôle de l'asthme perçu. Les statistiques d'ajustement indiquent un bon ajustement du modèle (= 15,98 Χ2, df = 10, P-value = 0,1, RMSEA = 0,045, et la FCI = 0,98). Étude 2: le modèle de piste causale a indiqué que le VEMS (B = 0,12, p = 0,01), les symptômes d'asthme (B = 0,42, p = 0,001), et la fonction sociale (B = 0,37, p = 0,02) a eu un effet positif important sur la le contrôle de l'asthme perçu totale. Le modèle explique 34% de la le contrôle de l'asthme perçu. Les statistiques d'ajustement indiquent un bon ajustement du modèle (= 39,83 Χ2, df = 27, P-value = 0,053, RMSEA = 0,065, et la FCI = 0,95). Conclusion: Le VEMS, les symptômes de l'asthme, l'activité physique, la fonction émotive, la fonction sociale, et l'auto-efficacité peuvent être utilisés pour identifier les patients susceptibles d'avoir une mauvaise le contrôle de l'asthme perçu dans l'avenir, et devrait être considéré lors de la planification de gestion des patients. L'identification de ces prédicteurs est une étape importante pour aider les équipes d'interventions à administrer des soins sur mesure afin de contrôler l'asthme et les exacerbations des patients de façon optimale, mais également de prévenir les maladies chroniques associées, et de maximiser la qualité de vie.
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 | 0,005 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».