Notice bibliographique
Résumé
Alan Kaplan, 1– 3 David Price 3, 4 1University of Toronto Department of Family and Community Medicine, Toronto, ON, Canada; 2Family Physician Airways Group of Canada, Edmonton, AB, Canada; 3Observational and Pragmatic Research Institute, Singapore, Singapore; 4Centre of Academic Primary Care, Division of Applied Health Sciences, University of Aberdeen, Aberdeen, UKCorrespondence: Alan KaplanUniversity of Toronto Department of Family and Community Medicine, 7335 Yonge Street, Thornhill, Toronto ON, CanadaTel +1 905 883 1100Fax +1 905-884-1195Email for4kids@gmail.comAbstract: The burden of asthma is particularly notable in adolescents, and is associated with higher rates of prevalence and mortality compared with younger children. One factor contributing to inadequate asthma control in adolescents is poor treatment adherence, with many pediatric studies reporting mean adherence rates of 50% or lower. Identifying the reasons for poor disease control and adherence is essential in order to help improve patient quality of life. In this review, we explore the driving factors behind non-adherence in adolescents with asthma, consider their consequences and suggest possible solutions to ensure better disease control. We examine the impact of appropriate inhaler choice and good inhaler technique on adherence, as well as discuss the importance of selecting the right medication, including the possible role of as-needed inhaled corticosteroids/long-acting β 2-agonists vs short-acting β 2-agonists, for improving outcomes in patients with mild asthma and poor adherence. Effective patient/healthcare practitioner communication also has a significant role to engage and motivate adolescents to take their medication regularly.Keywords: asthma, adherence, adolescents, treatment
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».