Care processes and structures associated with higher medication adherence in adolescent and young adult transplant recipients
Notice bibliographique
Résumé
Abstract Background We aimed to identify care processes and structures that were independently associated with higher medication adherence among young transplant recipients. Methods We conducted a prospective, observational cohort study of 270 prevalent kidney, liver, and heart transplant recipients 14–25 years old. Patients were ≥3 months post‐transplant, ≥2 months post‐discharge, and followed in one of 14 pediatric or 14 adult transplant programs in Canada. Patients were enrolled between June 2015 and March 2018 and followed for 6 months. Adherence was assessed at baseline, 3, and 6 months using the BAASIS © self‐report tool. Patients were classified as adherent if no doses were missed in the prior 4 weeks. Transplant program directors and nurses completed questionnaires regarding care organization and processes. Results Of the 270 participants, 99 were followed in pediatric programs and 171 in adult programs. Median age was 20.3 years, and median time since transplant was 5 years. At baseline, 71.5% were adherent. Multivariable mixed effects logistic regression models with program as a random effect identified two program‐level factors as independently associated with better adherence: minimum number of prescribed blood draws per year for those >3 years post‐transplant (per 1 additional) (OR 1.12 [95% CI 1.00, 1.26]; p = .047), and average time nurses spend with patients in clinic (per 5 additional minutes) (OR 1.15 [1.03, 1.29]; p = .017). Conclusion Program‐level factors including protocols with a greater frequency of routine blood testing and more nurse time with patients were associated with better medication adherence. This suggests that interventions at the program level may support better adherence.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».