Étude de la validité de mesures de l'observance du traitement médicamenteux antidiabétique
Bibliographic record
Abstract
La mesure de l’observance du traitement demeure un défi dans certains contextes compte tenu des limites des différentes méthodes de mesure. La validité des mesures de l’observance calculée à partir des données de pharmacie et des mesures auto-rapportées de l’observance du traitement antidiabétique n’a pas été étudiée de façon exhaustive. La recherche avait pour objectifs d’évaluer la validité 1) de mesures de l’observance des polythérapies antidiabétiques tirées des données de pharmacie et 2) de mesures auto-rapportées de l’observance du traitement. Une cohorte de nouveaux utilisateurs d’au moins deux antidiabétiques oraux a été construite à partir des données de la Régie de l’assurance maladie du Québec (RAMQ).Quatre mesures de l’observance des polythérapies ont été calculées: la proportion de jours couverts (PJC) par au moins une classe de médicaments, la PJC moyenne des différentes classes, la PJC par toutes les classes et le taux de possession quotidienne de polypharmacie (DPPR). Les hospitalisations toute cause et les hospitalisations liées au diabète ont été utilisées comme critères de validation. Pour le deuxième objectif, quatre mesures auto-rapportées de l’observance du traitement ont été complétées par un échantillon de patients diabétiques de type 2 de la province de Québec, à travers une enquête web. Il s’agit d’une mesure à quatre items (SR-4), de la version française modifiée de la MMAS-8, de la proportion de pilules non prises et d’une mesure à un item (SR-1). Le taux d’hémoglobine glyquée (HbA1c) mesuré entre 3 et 6mois après l’enquête web a été utilisé comme critère de validation. Des analyses de courbes ROC ont été conduites pour évaluer la validité des mesures de l’observance des polythérapies. Le seuil optimal de l’observance pour identifier les individus observants de leur traitement a été déterminé en utilisant la méthode de la «distance minimale». Des analyses de courbes ROC, des analyses de régression linéaire et des analyses factorielles (MMAS-8 uniquement) ont été conduites pour l’évaluation de la validité des mesures auto-rapportées. Enfin, la cohérence interne de la MMAS-8 a été évaluée par le calcul de l’alpha de Cronbach. Pour les mesures de l’observance des polythérapies, les aires sous la courbe ROC (AUCs)pour, respectivement, la PJC par au moins une classe, la PJC moyenne, la PJC par toutes les classes et le DPPR étaient de 0,54 (IC 95%: 0,52-0;56), 0,51 (0,49-0,53), 0,50 (0,48-0,52) et 0,51 (0,49-0,53) avec l’hospitalisation toute cause comme critère et 0,55 (0,53-0,57), 0,53 (0,51-0,55), 0,51 (0,49-0,53) et 0,53 (0,51-0,55) avec l’hospitalisation liée au diabète comme critère. Le seuil optimal pour classer les individus comme observants du traitement était de 95,7 % selon les deux critères de validation Les AUCs pour les mesures auto-rapportées, faibles et non-statistiquement significatives, étaient de 0,51 (0,4-0,59), 0,52 (0,43-0,60), 0,53 (0,45-0,60) et 0,52 (0,44-0,59),respectivement pour la SR-4, la MMAS-8, la proportion de pilules non prises et la SR-1.Selon les résultats de la régression linéaire dans l’échantillon total, aucune des mesures n’était associée de façon statistiquement significative à l’HbA1c, mais l’association entre laSR-4 et l’HbA1c était proche de la significativité statistique (coefficient de régression de -0,25, valeur-p de 0,07). Dans le sous-échantillon des participants ayant un HbA1c ≥ 7 %, laSR-4, la MMAS-8 et la SR-1 étaient associées de façon statistiquement significative àl’HbA1c. L’analyse factorielle de la MMAS-8 a montré qu’elle est constituée de deux sous échelles. Une sous-échelle évaluant la non-observance intentionnelle et une sous-échelle évaluant la non-observance non-intentionnelle. La cohérence interne de la MMAS-8 était faible puisque l’alpha de Cronbach de 0,60 était inférieur à la valeur seuil suggérée (0,70)pour juger de la bonne cohérence interne des mesures. En conclusion, les résultats suggèrent que la PJC par au moins une classe de médicaments est la méthode la plus valide pour le calcul de l’observance des polythérapies antidiabétiques à partir des données de pharmacie. Les résultats suggèrent également qu’un niveau minimum de 95 % de PJC devrait être considéré pour classer les individus comme observant de leur traitement. Pour la mesure auto-rapportée de l’observance du traitement, les résultats soutiennent la validité prédictive de la SR-4, la SR-1 et la MMAS-8. Enfin, si on utilise la MMAS-8 pour évaluer l’observance du traitement antidiabétique, on devrait distinguer les scores de chaque sous-échelle pour permettre une intervention adaptée en cas de non-observance.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.319 | 0.583 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".