37 Adherence to treatment in Multiple Sclerosis. The importance of personality, executive functions, and social support
Notice bibliographique
Résumé
Objective: To test whether adherence to treatment in patients with MS is influenced by cognitive variables (executive functions), personality, and social support. Participants and Methods: This is a pilot observational, descriptive, cross-sectional study. 60 patients with Relapsing remitting MS ( 73.33% female; age: 41.41 ±14.00) undergoing medical treatment ( 28 dymethilfumarate, 7 ocrelizumab/ rituximab, 6 fingolimod, 5 interferon, 5 natalizumab, 4 cladribine, 3 teriflunomide, 1 alemtuzumab, 1 glatiramer acetate) underwent a comprehensive multi-component evaluation including : cognition, social support (using the self-reported record of social support scale), personality (using the NEO-FFI questionnaire) and evaluation of treatment adherence using the Morisky Green Levine Medication Adherence Scale Participants were divided into two groups according to their adherence to medical treatment, low vs. high adherence was defined using a cutoff score of 4. Differences between groups were evaluated using Student's t-test with a significance level of p<0.05, the effect size was calculated with Cohen's d test. Results: Groups did not differ significantly in age, sex, type of treatment, Montreal Cognitive Assesments (MoCA) or neuropsychiatric scales of depression and anxiety. Regardless of treatment type, 63.33% of the patients had high treatment adherence. Significant differences between groups were found in the Global Index of Social Support (p=0.016, Cohen's d= 0.73) and the responsibility factor of the NEO-FFI (p=0.048, Cohen's d= 0.20). Conversely, no significant differences were found in executive functions (p=0.8), Openness (p=0.062), Extraversion (p=0.5), Neuroticism (p=0.4) and Agreeableness (p=0.8). Conclusions: Social support and the responsibility factor of personality are significantly different between MS patients with high and low adherence to medical treatment. The study of social support and personality may be a key component in improving adherence strategies.
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 | 0,001 | 0,003 |
| 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 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 ».