Risk Factors for Suboptimal Adherence Identified by Patient-Reported Outcomes Assessments in Routine HIV Care at 2 North American Clinics
Notice bibliographique
Résumé
Purpose: Use of patient-reported outcomes assessments (PROs) can improve patient-provider communication and focus provider attention on current health issues. This analysis examines the association between suboptimal antiretroviral therapy (ART) adherence and factors obtained through PROs among people with HIV (PWH) at 2 North American outpatient clinics. Patients and Methods: Immediately before a clinic visit, PWH completed self-administered PROs. Unadjusted and adjusted odds ratios (ORs) and 95% confidence intervals (CIs) were estimated from logistic regression models to identify sociodemographic and health-related factors (satisfaction with ART, difficulty meeting housing costs, depression, intimate partner violence, risk of malnutrition, smoking status, alcohol use, and substance use) associated with suboptimal adherence (defined as self-reporting <95% or <80% adherence). Multiple imputation was performed to account for missing data in the multivariate analyses. Results: Of 1632 PWH, 1239 (76%) responded to the adherence assessment; of these, 268 (22%) and 106 (9%) reported <95% and <80% adherence, respectively. Of 1580 PWH who responded, 354 (22%) were dissatisfied with their HIV medication. Of responding PWH, 19% reported moderate-to-severe depression, 23% indicated they were at risk of malnutrition, 34% were current smokers, and 62% reported substance use in the past 3 months. Dissatisfaction with ART was significantly associated with <95% and <80% adherence in the unadjusted analysis (unadjusted OR [95% CI], 3.38 [2.51-4.56] and 4.26 [2.82-6.42], respectively) and adjusted analysis (adjusted OR [95% CI], 2.76 [1.91-4.00] and 3.28 [1.95-5.52], respectively); significance remained after multiple imputation. In adjusted analyses, no risk of malnutrition was significantly associated with reduced odds of <95% adherence after multiple imputation (adjusted OR [95% CI], 0.714 [0.511-0.997]); no other factors were associated with <95% or <80% adherence. Conclusion: These results suggest that implementation of PROs evaluating treatment satisfaction may provide value to adherence management in routine HIV care.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».