Adherence to Medication among Parkinson’s Disease Patients Using the Adherence to Refills and Medications Scale
Notice bibliographique
Résumé
Objectives . Adherence to medication is an important factor that can influence Parkinson’s disease (PD) control. We aimed to explore patients’ adherence to antiparkinsonian medication and determine factors that might affect adherence to medications among PD patients. Methods . A cross‐sectional, exploratory survey of PD patients treated with at least one antiparkinsonian drug and with a total score of MoCA (Montreal Cognitive Assessment) ≥26 was conducted. The final sample included 112 PD patients. A patient’s adherence was assessed through ARMS (Adherence to Refills and Medications Scale). ARMS scores higher than 12 were assumed lower adherence. In addition, each patient underwent neurological examination, assessment of depression, anxiety, and evaluation of the presence of PD nonmotor symptoms. Results . The mean ARDS value in our cohort was 14.9 ± 2.5. Most PD patients (74.1%) reported lower adherence to their medication. Participants in the lower adherence group were younger at PD onset, had significantly higher UPDRS (Unified PD Rating Scale) scores, as well as UPDRS III and UPDRS IV subscores, HARS (Hamilton Anxiety Rating Scale), and NMSQuest (Non‐Motor Symptoms Questionnaire for PD) scores compared to the fully adherent group ( p = 0.013, p = 0.017, p = 0.041, p = 0.043, and p = 0.023, respectively). Among nonmotor PD symptoms, the presence of cardiovascular, apathy/attention‐deficit/memory disorders, hallucinations/delusions, and problems regarding changes in weight, diplopia, or sweating were associated with lower adherence. Multivariate regression analysis revealed depression as the strongest independent predictor of lower adherence. Conclusion . Depressed PD patients compared to PD patients without clinical depression had a three times higher risk for lower adherence to pharmacotherapy. Recognition and adequate treatment of depression might result in improved 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 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».