Development and Initial Validation of a Systemic Lupus Erythematosus–Specific Measure of the Extent of and Reasons for Medication Nonadherence
Notice bibliographique
Résumé
OBJECTIVE: Medication nonadherence is common in patients with systemic lupus erythematosus (SLE) and negatively affects outcomes. To better recognize and address nonadherence in this population, there is a need for an easily implementable tool with interpretable scores. Domains of Subjective Extent of Nonadherence (DOSE-Nonadherence) is a measure that captures both extent of and reasons for nonadherence. We refined and evaluated DOSE-Nonadherence for patients with SLE. METHODS: We refined the reasons for the nonadherence domain of DOSE-Nonadherence through rheumatologist feedback and patient cognitive interviewing. We then administered the refined instrument to patients prescribed oral SLE medications and compared the results to the Beliefs About Medicines Questionnaire (BMQ), the Medication Adherence Self-Report Inventory (MASRI), medication possession ratios (MPRs), and hydroxychloroquine (HCQ) blood levels using Pearson correlations. RESULTS: Five rheumatologists provided feedback; 16 patients (median age 43 yrs, 100% female, 50% Black) participated in cognitive interviews and 128 (median age 49 yrs, 95% female, 49% Black, 88% on antimalarials, and 59% on immunosuppressants) completed the refined instrument. Items assessing extent of nonadherence produced reliable scores (α 0.89) and identified 47% as nonadherent. They showed convergent validity with MASRI (r = -0.57), HCQ blood levels (r = -0.55), to a lesser extent MPRs (r = -0.34 to -0.40), and discriminant validity with BMQ domains (r = -0.27 to 0.32). Nonadherent patients reported on average 3.5 adherence barriers, the most common being busyness/forgetting (62%), physical fatigue (38%), and pill fatigue (33%). CONCLUSION: Our results support the reliability and validity of DOSE-Nonadherence for SLE medications. This refined instrument, DOSE-Nonadherence-SLE, can be used to identify, rigorously study, and guide adherence intervention development in SLE.
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 | 0,014 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».