Related factors to non-adherence to antiretroviral therapy in HIV/AIDS patients.
Notice bibliographique
Résumé
OBJECTIVE: To identify sociodemographic, clinical, and pharmacological factors associated with nonadherence to antiretroviral treatment in patients with human immunodeficiency virus/acquired immunodeficiency syndrome treated between 2017 and 2020 in four cities in Colombia. METHOD: An observational, cross-sectional, retrospective study was conducted of a population of patients with human immunodeficiency virus/acquired immunodeficiency syndrome treated between 2017 and 2020. The Morisky-Green scale, the simplified medication adherence questionnaire, and the simplified scale to detect adherence problems to antiretroviral treatment were applied to determine patient adherence. A binomial multiple logistic regression was performed to evaluate the factors that best explain nonadherence. RESULTS: A total of 9,835 patients were evaluated, of whom 74.4% were men, 71.1% were aged between 18 and 44 years, 76.0% had attended at most secondary school, 78.1% were single, and 97.6% resided in an urban area. After applying three different scales to each patient, 10% of the study population were identified as nonadherent to treatment. The risk of nonadherence was significantly higher in patients who presented any drug- related problem or had an adverse reaction to antiretroviral drugs. CONCLUSIONS: The variables most strongly associated with nonadherence to antiretroviral treatment were drug-related problems, adverse drug reactions, a history of nonadherence to treatment, and psychoactive substance use.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 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 ».