The impact of poor medication knowledge on health-related quality of life in people with Parkinson’s disease: a mediation analysis
Notice bibliographique
Résumé
PURPOSE: This study aimed to determine how limited medication knowledge as one aspect of health literacy contributes to poorer health-related quality of life (HRQoL) in people with Parkinson's disease (PD). METHODS: Demographical data, PD-specific data (MDS-Unified Parkinson's Disease-Rating Scale, Nonmotor symptom scale), and data about depressive symptoms (Beck's depression inventory), cognition (Montreal cognitive assessment), HRQoL (Short-Form Health Questionnaire-36, SF-36), and medication knowledge (names, time of taking, indication, dosage) were assessed in 193 patients with PD. Multivariate analysis of variance (MANOVA), multivariate analysis of covariance, and mediation analyses were used to study the relationship between medication knowledge and HRQoL in combination with different mediators and covariates. RESULTS: Overall, 43.5% patients showed deficits in at least one of the 4 knowledge items, which was associated with higher age, number of medications per day and depression level, and poorer cognitive function, motor function, and lower education level. Using one-way MANOVA, we identified that medication knowledge significantly impacts physical functioning, social functioning, role limitations due to physical problems, and role limitations due to emotional problems. Mediation models using age, education level, and gender as covariates showed that the relationship between knowledge and SF-36 domains was fully mediated by Beck's Depression Inventory but not by Montreal Cognitive Assessment. CONCLUSIONS: Patients who expressed unawareness of their medication did not necessarily have cognitive deficits; however, depressive symptoms may instead be present. This concomitant depressive symptomatology is crucial in explaining the contribution of nonadherence and decreased medication knowledge to poor quality of life.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».