Association Between Medication Adherence and Risk of COPD in Adult Asthma Patients: A Retrospective Cohort Study in Canada
Notice bibliographique
Résumé
Background: Poor adherence to prescribed asthma medications and risk of severe asthma exacerbations have been well established. However, the effects of changes in asthma medication compliance levels and subsequent risk of COPD is unknown and yet to be investigated. This study investigated the independent effect of medication adherence (MA) and asthma severity levels on the risk of COPD. Methods: We used four linked administrative health databases from the Population data BC to identify asthma patients aged 18 years and older between January 1, 1998 and December 31, 1999 without diagnosis of COPD. The primary event was time-to-COPD diagnosis during the follow-up period (January 1, 2000 to December 31, 2018). The proportion of days covered (PDC) - was used as a surrogate measure for medication adherence (MA) assessed at optimal-level (≥ 0.80), Intermediate-level (0.50-0.79), and low-level (< 0.5) of adherence. A propensity adjusted analysis with Marginal Structural Cox (MSC) model was employed to estimate the adjusted hazard ratios (aHR) and 95% confidence intervals (95% CI) for the effect of medication adherence and asthma severity over time. Results: At cohort entry, the sample included 68,211 asthma patients with an overall mean age of 48.2 years. The 18-year incidence of COPD in asthma patients was 9.8 per 1000-persons year. In an inverse weighted propensity adjusted analysis of the MSC model, higher MA levels were significantly associated with decreased risk of COPD as follows: optimal-level (aHR: 0.19, 95% CI: 0.17-0.24); Intermediate-level (aHR: 0.20, 95% CI: 0.18, 0.23) compared to the low-level adherence group. A significant increase in COPD risk was observed in severe asthma patients with low medication adherence (aHR: 1.72, 95% CI: 1.52-1.93), independent of other patient factors. Conclusion: Optimal (≥ 0.80) and intermediate adherence (0.5 to 0.79) levels were associated with reduced risk of COPD incidence over time. Interventions aimed at improving adherence to prescribed medications in adult asthma patients should be intensified to reduce their risk of COPD.
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 | 0,005 | 0,045 |
| 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 ».