Trajectories of Antidiabetic Medication Adherence in Older Adults and the Effect of Depression and Anxiety Symptoms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Common mental health disorders, such as anxiety and depression, significantly impact medication adherence in various chronic conditions. However, few studies have captured the evolving nature of adherence behavior, indicating a need for further investigation. The objectives were to describe adherence trajectories to antidiabetic medications among older patients and to explore the potential association between these trajectories and the presence of anxiety and depression. METHODS: We conducted a secondary analysis of the Enquête sur la santé des aînés et l'utilisation des services de santé study, involving 282 elderly participants who were prevalent users of antidiabetic medications. Medication adherence was measured using claims data over 12 months. Group-based trajectory modeling was employed to identify distinct adherence trajectories. The association between the presence of common mental health disorders, assessed using self-reported symptoms and diagnostic codes from medico-administrative data, and adherence trajectories was estimated through multinomial logistic regressions. RESULTS: Four distinct adherence trajectories were identified and defined as low adherence (6.7%), fair adherence (18.1%), high adherence (37.9%), and nearly perfect adherence (37.2%). These patterns were also stable during the 12-month follow-up period. No significant association was found between common mental health disorders and medication adherence trajectories in this cohort, even after adjusting for potential confounders. CONCLUSION: Older patients with diabetes mostly depicted high adherence. Depression or anxiety did not impact adherence trajectories. However, our study was underpowered to detect small-to-moderate effects of these common mental health disorders.
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.
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 | 0,003 |
| 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 découle