MétaCan
Menu
Retour à la cohorte
Enregistrement W4397014297 · doi:10.25259/jnrp_585_2023

Effect of motor, non-motor clinical features including sleep quality, and prescription pattern on adherence to antiparkinsonian medications in Parkinson’s disease

2024· article· en· W4397014297 sur OpenAlexaboutno aff
Subhash Samanta, Niraj Kumar, M Kanimozhi, Manisha Bisht, Ravi Gupta

Notice bibliographique

RevueJournal of Neurosciences in Rural Practice · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionParkinson's diseaseSleep qualitySleep (system call)Motor symptomsPhysical medicine and rehabilitationPsychiatryDiseasePharmacologyInternal medicineCognition

Résumé

récupéré en direct d'OpenAlex

Objectives: Adherence to antiparkinsonian medications (APMs) may significantly influence Parkinson’s disease (PD) outcome. The present study assesses the role of motor and non-motor features, and prescription patterns on adherence. Materials and Methods: This observational and cross-sectional study included 50 PD patients taking APMs for ≥24 months. Demographic data, PD characteristics, treatment, and follow-up history were collected. Patients following up at least once in six months were considered as regular, else were labeled irregular. Montreal cognitive assessment, patient health questionnaire-4, Pittsburgh sleep quality (SQ) index, Epworth sleepiness scale, global quality of life (GQOL) scale, and Morisky Green Levine medication adherence scale (MGL-MAS) were used to evaluate cognition, depressive and anxiety features, SQ, excessive daytime sleepiness (EDS), quality of life (QOL), and APMs adherence, respectively. Results: Nearly half (46%) of the PD patients reported high adherence (MGL-MAS = 0). Most of the clinical characteristics were comparable between those with medium/low and high adherence, except for a larger proportion of patients in the medium/low adherence group belonging to Hoehn–Yahr stage >2 ( P = 0.02). A comparable proportion of patients in both groups reported poor SQ ( P = 0.52) and EDS ( P = 0.32). In comparison to the high adherence group, a significantly lower median GQOL score was observed in the medium/low adherence group (median [interquartile range] = 65 [50–70] vs. 80 [70–85]; P < 0.001). The APMs prescription and follow-up patterns were comparable between both groups. Conclusion: More than half the PD patients reported medium-to-low adherence. While motor severity and depressive symptoms were associated with medium-to-low adherence, poor SQ was comparable in both groups. Those with medium-to-low adherence reported poor QOL.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,203
Score d'incertitude au seuil0,600

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,443
Écart entre enseignants0,383 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Neurosciences in Rural PracticeMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207