Measuring the Influence of Side Effect Expectations, Beliefs, and Incident Side Effects on the Risk for Drug Discontinuation Among Individuals Starting New Medications, a Cross-sectional Study
Notice bibliographique
Résumé
Purpose: To measure the impact of beliefs, expectations, side effects, and their combined effects on the risk for medication nonpersistence. Patients and methods: Using a cross-sectional design, individuals from Saskatchewan, Canada who started a new antihypertensive, cholesterol-lowering, or antihyperglycemic medication were surveyed about risk factors for nonpersistence including: (a) beliefs measured by a composite score of three questions asking about the threat of the condition, importance of the drug, and harm of the drug; (b) incident side effects attributed to treatment; and (c) expectations for side effects before starting treatment. Descriptive statistics and logistic regression models were used to quantify the influence of these risk factors on the outcome of nonpersistence. Odds ratios (ORs) and 95% confidence intervals (CIs) were estimated. Results: Among 3,029 respondents, 5.8% (n=177) reported nonpersistence within four months after starting the new drug. After adjustment for numerous covariates representing sociodemographics, health-care providers, medication experiences and beliefs, both negative beliefs (OR: 7.26, 95%CI: 4.98-10.59) and incident side effects (OR: 8.00, 95%CI: 5.49-11.68) were associated with the highest odds of nonpersistence with no evidence of interaction. In contrast, expectations for side effects before starting treatment exhibited an important interaction with incident side effects following treatment initiation. Among respondents with incident side effects (n=741, 24.5%), the risk for early nonpersistence was 11.5% if they indicated an expectation for side effects before starting the medication compared to 23.6% if they did not (adjusted OR: 0.38, 95%CI: 0.25-0.60). Conclusion: Expectations for side effects may be a previously unrecognized but important marker of the probability to persist with treatment. A high percentage of new medication users appeared unprepared for the possibility of side effects from their new medication making them less resilient if side effects occur.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».