يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة منهجية

المراقبة الطولية والنمذجة التنبؤية للالتزام بالأدوية لدى مرضى السكتة الدماغية الإقفاري

76 مشاهدة

⸱

DOI:

10.3791/71636

⸱

أغسطس 11, 2026

 ,  ,  ,  ,  ,  , 
1Department of Neurology, West China Hospital, Sichuan University/West China School of Nursing, Sichuan University, 2Department of Respiratory Medicine, West China Hospital, Sichuan University

في هذه المقالة

ملخص

يصف هذا البروتوكول التقييم الهاتفي المنظم لتناول الأدوية المبلغ عنها ذاتيا بعد 30 و90 و180 يوما من الخروج، بالإضافة إلى تطوير نموذج تنبؤ مبكر للمتابعة المبكرة للناجين من السكتة الدماغية الإقفاري. يفصل البروتوكول بين التناول الذاتي المبلغ عنه عن PDC المعتمد على الصيدلية ويستخدم مؤشرات ديموغرافية محددة مسبقا ومتنبئات نفسية اجتماعية في اليوم الثلاثين.

الملخص

الالتزام بالأدوية هو جوهر الوقاية الثانوية بعد السكتة الدماغية الإقفاري، لكن الالتزام المبلغ عنه ذاتيا قد يتغير أثناء المتابعة. في هذا الإطار الطولي المكون من مركز واحد، تم تسجيل 210 مشاركين، وأكمل 191 منهم التقييم الذي استمر 180 يوما. تم تقييم تناول الأدوية باستخدام مقابلة هاتفية منظمة للأيام 1–30، 31–90، و91–180، وتم تصنيفها على أنها جيدة عندما كانت نسبة الالتزام المركب المرجح بيوم التعرض على الأقل 80٪. تم إعطاء أبغار الطبي الصيني الخاص ب BMQ وعائلي في اليوم 30، اليوم 90، واليوم 180. استخدم نموذج لوجستي بأربعة متنبئات القيم والجنس، يوم 30 BMQ-NCD، واليوم 30 من عائلة APGAR، وتم التحقق داخليا من خلال 1000 إعادة أخذ عينات تمهيدية. من بين 191 حالة كاملة، كان الالتزام الجيد 84.3٪ (فترة الثقة 95٪، 78.3٪–89.1٪) في اليوم 30، و77.0٪ (فترة الثقة 95٪، 70.3٪–82.7٪) في اليوم 90، و72.8٪ (فترة الثقة 95٪، 65.9٪–79.0٪) في اليوم 180. كان السكن الحضري، والجنس الذكوري، واليوم الثلاثين من BMQ-NCD، ودرجة APGAR العائلية في اليوم الثلاثين مرتبطة بالالتزام بيوم 180. كان المعدل الظاهري للAUC 0.879 (فاصل الثقة 95٪، 0.821–0.928)، وAUC المصحح بالتفاؤل كان 0.867. يوفر البروتوكول إطارا قابلا للتكرار للتقييم الطولي للالتزام المبلغ عنه ذاتيا ونموذج توقع يوم 30 تم التحقق منه داخليا. يتطلب الأمر التحقق الخارجي وتدابير الالتزام الموضوعي قبل التنفيذ السريري.

المقدمة

لا تزال السكتة الدماغية سببا رئيسيا للإعاقة طويلة الأمد والوفيات على مستوى العالم، مما يتطلب تعريفا سريريا متقنا يأخذ في الاعتبار الأدلة المرضية والتصويرية1. على الرغم من التقدم في التدخلات الحادة، لا يزال العبء العالمي للسكتة الدماغية في التصاعد، حيث تمثل السكتة الدماغية الإقفاري الغالبية العظمى من الحالات2. هذا الاتجاه واضح بشكل خاص في الصين، حيث وصل انتشار عوامل الخطر الوعائية إلى مستويات حرجة، مما يضع عبئا هائلا على نظام الرعاية الصحية3. تشير الأدلة إلى أن الناجين من السكتة الدماغية الأولى يواجهون خطرا عاليا لتكرار الأحداث الوعائية، مع تركيز الدراسات المجتمعية على الضعف المستمر لهذه المجموعة4. بينما يمثل إدارة المرحلة الحادة تحديات كبيرة5، فإن البقاء على قيد الحياة ومتوسط العمر المتوقع لهؤلاء المرضى يتأثران بشكل رئيسي بفعالية استراتيجيات الوقاية الثانوية 6,7.

الركيزة الأساسية للوقاية الثانوية تشمل الإدارة الدوائية الصارمة، بما في ذلك خفض ضغط الدم والعلاج بمضادات الصفائح الدموية 8,9,10. تؤكد الإرشادات الدولية من الجمعية الأمريكية للقلب (AHA)، والمنظمة الأوروبية للسكتة الدماغية (ESO)، وتوصيات أفضل الممارسات الكندية للسكتة الدماغية أن الالتزام بهذه الأنظمة أمر ضروري لمنع تكرار المرض 11,12,13,14. ومع ذلك، غالبا ما تتأثر الفائدة السريرية لهذه التدخلات بسبب ضعف الالتزام بالأدوية 15,16. الالتزام بالأدوية هو مفهوم متعدد الأبعاد يشمل كل من البدء والاستمرار15,17. تشير بيانات السجلات الحديثة إلى أن الالتزام الأكبر بأدوية الوقاية الثانوية يحسن بشكل كبير من البقاء ويقلل من معدلات الانتكاف17,18. على سبيل المثال، تم ربط الالتزام بالستاتين بشكل مستقل بتقليل خطر التكرار19.

على الرغم من هذه الفوائد، لاحظت الدراسات الطولية "تحولا زمنيا" ملحوظا في معدلات الالتزام خلال السنة الأولى بعد الخروج20. بينما تؤثر العوامل الديموغرافية مثل الفروق بين الجنسين والوضع الاجتماعي والاقتصادي على الاستمرارية 21,22، هناك اعتراف متزايد بدور العوامل النفسية الاجتماعية والمعرفية في تشكيل سلوك المرضى 23,24. استبيان المعتقدات حول الأدوية (BMQ) ظهر كأداة موثوقة لتقييم التمثيل المعرفي للأدوية من خلال إطار "مخاوف الضرورة"25. أظهرت المراجعات المنهجية أن درجات BMQ هي مؤشرات قوية للالتزام عبر مختلف الحالات المزمنة في الصين26. وبالمثل، تلعب البيئة الاجتماعية، وخاصة وظيفة الأسرة، دورا محوريا. يوفر مؤشر APGAR العائلي مقياسا موثوقا للدعم المدرك، وهو أمر حاسم للمرضى الذين يتعاملون مع تعقيدات الحياة بعد السكتة الدماغية27,28.

بينما يصف NIHSS ومقياس رانكين المعدل شدة الأعصاب والنتيجة الوظيفية29,30، إلا أنهما لا يقيسان بشكل مباشر معتقدات الأدوية أو الوظائف الأسرية المتصورة31. تم دراسة خدمات الصحة المتنقلة وخدمات WeChat حيث يدعم الالتزام32,33. لذلك، فإن البروتوكول الحالي له هدفان: تعريف تقييم تناول الأدوية في اليوم 30، واليوم 90، واليوم 180 باستخدام مصطلحات متسقة، وتطوير نموذج الالتزام القابل للتفسير في اليوم 180 باستخدام متغيرات ديموغرافية ونفسية اجتماعية محددة مسبقا تم جمعها خلال الدراسة.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

تمت الموافقة على البروتوكول من قبل لجنة الأخلاقيات للأبحاث الطبية الحيوية في مستشفى غرب الصين بجامعة سيتشوان (مراجعة رقم 2021 (1303)؛ تاريخ الموافقة، 8 نوفمبر 2021). تم تنفيذ جميع الإجراءات المبلغ عنها وفقا لمتطلبات اللجنة والبروتوكول المعتمد. تم توفير مجموعة البيانات التحليلية الكاملة في الملف التكميلي 1.

1. فحص المرضى والتسجيل الأساسي

  1. حدد المشاركين المحتملين من سجلات المرضى الداخليين في قسم الأعصاب. مرضى مختارة تم تشخيصهم بسكتة دماغية إقفارية حادة عبر التصوير بالرنين المغناطيسي (MRI) أو التصوير المقطعي المحوسب (CT). سجل العدد الإجمالي للأفراد الذين تم فحصهم أولا لتحديد قاعدة بيانات تدفق المشاركين في الطريق.
  2. فحص المرضى وفقا لمعايير الإدراج المحددة مسبقا. يشمل البالغين الذين يعانون من سكتة دماغية إقفارية حادة مؤكدة بالتصوير يمكنهم إكمال المقابلة بأنفسهم أو عبر ممثل قانوني معتمد.
  3. تطبيق معايير الاستبعاد. استبعد المرضى الذين لديهم تاريخ من المرض النفسي الشديد، أو ضعف الإدراك (تحدده السجلات السريرية)، أو متوسط العمر المتوقع أقل من ستة أشهر. وثق الأسباب الدقيقة والأرقام المقابلة لأي استثناءات في هذه المرحلة (مثل حدود العمر المتوقع أو رفض تقديم الموافقة).
  4. قبل التسجيل، احصل على موافقة مستنيرة خطية من المريض أو، عندما لا يستطيع المريض تقديم الموافقة، من ممثل قانوني معتمد، باستخدام نموذج الموافقة المستنيرة المعتمد من اللجنة. شرح تصميم الدراسة الطولية، والتقييمات الهاتفية، وجدول المتابعة لمدة 180 يوما قبل التوقيع. سجل هوية الشخص الموافق ودوره، وتاريخ الموافقة، وعضو فريق الدراسة الذي حصل على الموافقة.
  5. اجمع البيانات الديموغرافية والسريرية الأساسية خلال 48 ساعة من تاريخ الدخول. سجل العمر، الجنس، الإقامة، المستوى التعليمي، والدخل الشهري باستخدام نموذج تقرير حالة موحد.
  6. عند الخروج، يجب أن يدير طبيب مدرب سكتة دماغية اختبار NIHSS الصيني المعتمد باستخدام 11 بندا قياسية ونطاق إجمالي من 0 إلى 4229. سجل الدرجة الإجمالية، ودور المقيم، وحالة التدريب، وتاريخ التقييم، ومدة الإقامة في المستشفى.
  7. أجر اختبار BMQ الصيني المصرح به من خلال مقابلة منظمة وجها لوجه قبل التسريح، وعبر الهاتف في اليوم 30، اليوم 90، واليوم 18025، 34.
    ملاحظة: تحتوي الأداة على خمسة عناصر ضرورية وخمسة عناصر تتعلق بالاهتمامات. قم بتقييم كل عنصر من 1 (معارض بشدة) إلى 5 (أتفق بشدة)، وجمع العناصر الخمسة في كل مقياس فرعي؛ لذا فإن مجموع الضرورة والاهتمامات، يتراوح كل منهما بين 5 إلى 25.
  8. احسب تفاضل الضرورة والمخاوف (BMQ-NCD) كضرورة ناقص المخاوف (النطاق، -20 إلى 20). تشير الضرورة الأعلى وقيم BMQ-NCD إلى حاجة أكثر إدراكا مقارنة بالمخاوف، في حين تشير قيمة المخاوف الأعلى إلى قلق أكبر.
    ملاحظة: يجب أن تطلب جميع الإجابات الخمسة لكل مقياس فرعي؛ وإلا، قم بترميز ذلك المقياس الفرعي وBMQ-NCD على أنه مفقود. استخدم اليوم 30 من BMQ-NCD كمتنبئ النموذج المستمر. وفي الوقت نفسه، تدير خطة APGAR27 للعائلة الصينية.
  9. درجة التكيف، الشراكة، النمو، المودة، والعزم على النحو التالي: 0 (نادرا ما يحدث ذلك)، 1 (أحيانا)، أو 2 (تقريبا دائما)، وجمع العناصر الخمسة ليصبح مجموع صحيح من 0-10؛ تشير الدرجات الأعلى إلى إدراك أفضل لأداء الأسرة. إذا كان أي عنصر من عائلة APGAR مفقودا، قم بترميز المجموع كمفقود. سجل نسخ الأدوات، التفويض، المسؤول، المستجيب، التاريخ، إجابات البند، الإجماليات الفرعية، والدرجات الإجمالية في نموذج تقرير الحالة.

2. التحضير للخروج وتثقيف المرضى

  1. أجر جلسة استشارة دوائية موحدة قبل الخروج. قدم قائمة مكتوبة بأدوية الوقاية الثانوية الموصوفة، بما في ذلك مضادات الصفائح الدموية، والستاتينات، ومضادات ارتفاع ضغط الدم.
  2. قم بتعليم المريض ومقدم الرعاية الأساسي له أهمية الالتزام بالأدوية. اشرح كيفية تسجيل تناول الأدوية إذا كان المريض ينوي استخدام صندوق الحبوب أو دفتر اليوميات.
  3. تحقق من رقم الهاتف الأساسي للمريض. حدد نافذة زمنية مفضلة للمكالمات المستقبلية لتقليل الاستنزاف وضمان معدل استجابة عالي.

3. متابعة طولية بعد الخروج (اليوم 30، اليوم 90، واليوم 180)

  1. إجراء أول مقابلة هاتفية منظمة في اليوم 30 بعد الخروج (نافذة الهدف مع زيادة أو ناقص 3 أيام). لكل فئة أدوية الوقاية الثانوية التي تم وصفها خلال الأيام 1–30، سجل اسم الفئة، وتكرار الجرعة اليومية الموصوفة، وعدد الأيام المعرضة، وعدد الأيام التي تم الإبلاغ عنها ذاتيا في الأيام من 1 إلى 30.
    1. سجل اسم المستجيب (المريض أو مقدم الرعاية الذي يدير الأدوية الأساسية)، وتاريخ الاتصال، وتغييرات النظام، والانقطاعات المؤقتة الموجهة من الطبيب، وأسباب عدم الإنجاز. في نفس المقابلة، قم بإعطاء اختبار BMQ الخاص وAPGAR العائلي وتسجيل درجات اليوم 30
  2. أجر المقابلة الثانية في اليوم 90 (نافذة الهدف، زائد أو ناقص 7 أيام). كرر أسئلة الأدوية الخاصة بالفئة خلال الفترة غير المتداخلة من 31 إلى 90 أيام وأعط اختبار BMQ وAPGAR العائلي. لا تطلب من المشارك إعادة بناء الأيام من 1 إلى 30 مرة أخرى؛ يحتفظ بسجل اليوم 30 كمصدر لتلك الفترة.
  3. أجر المقابلة النهائية في اليوم 180 (نافذة الهدف، زائد أو ناقص 7 أيام). كرر أسئلة الأدوية الخاصة بالفئة لفترات الأيام غير المتداخلة 91–180، وأعط اختبار BMQ وAPGAR العائلي، وسجل اليوم - 180 mRS عند توفره.
  4. استخدم نفس نموذج المقابلة المنظمة وقاعدة المجيب في جميع المتابعات الثلاثة. عندما لا يستطيع المريض الاستجابة بسبب إعاقة معرفية أو لغوية أو جسدية، استخدم مقدم الرعاية الذي يدير نظام الأدوية وسجل هذا الاستبدال. لا تدعي أن عدد الحبوب أو اليوميات أو الصيدلية أو التحقق من العمى من قبل المحاورين إلا إذا كان ذلك موثقا في سجلات المصدر.
  5. سجل زيارات العيادات الخارجية للمتابعة الوصفية فقط. لا تدرج أي متغير استخدام بعد التسريح في نموذج التنبؤ المخصص للاستخدام بعد تقييم اليوم 30.
  6. حدد خط الأساس كتقييم للمرضى الداخليين/الخروج، وحدد تقييمات الالتزام حسب الوقت التقويمي (اليوم 30، اليوم 90، واليوم 180)، بدلا من T1، T2، وT3. وهذا يمنع الصراع السابق الذي أشار فيه T1 إلى كل من القاعدة واليوم 30.

4. قياس الالتزام الذاتي بالأدوية

  1. لا تستخدم مصطلح PDC إلا إذا كان الالتزام مشتقا من سجلات الصرف أو إعادة التعبئة. علاج العلاج المضاد للتخثرات (مضاد الصفائح الدموية أو مضاد التخثر الفموي، كما هو موضح)، وعلاج خفض الدهون، وعلاج ارتفاع ضغط الدم، وعلاج خفض الجلوكوز كفئات وقاية ثانوية منفصلة فقط عند وصف العلاج لذلك المشارك.
    1. لكل دورة موصوفة، حدد يوم الالتزام بالفئة بأنه اليوم الذي يقال إنه تم تناول كل جرعة مجدولة في تلك الصف؛ عدم وجود جرعة مجدولة يجعل ذلك اليوم الدراسي غير ملتزم. لا تحتسب عمليات التوقف أو الاستبدالات أو التوقفات المؤقتة التي يوجهها الطبيب كتعرض متوقع بعد أيام من تاريخ السريان الموثق.
    2. احسب نسبة الالتزام المركب المبلغ عنها ذاتيا للفترة، حيث يضرب في مجموع أيام الالتزام بالفئة عبر الفئات المحددة مقسوما على مجموع أيام التعرض المتوقع للفئات عبر تلك الفئات. هذا الحساب المرجح بيوم التعرض يستوعب فترات وصفات مختلفة ويعادل متوسط النسب الخاصة بالفئة فقط عندما يتم وصف كل فئة لنفس عدد الأيام. استخدم الأيام من 1 إلى 30 لقيمة اليوم 30، والأيام من 31 إلى 90 لقيمة اليوم 90، والأيام من 91 إلى 180 لقيمة اليوم 180.
  2. في كل متابعة، صنف الالتزام الجيد بنسبة أبلغ عنها ذاتيا من أيام الالتزام بنسبة لا تقل عن 80٪ ونسبة الالتزام الضعيفة بأقل من 80٪. عامل تقييمات الالتزام الفائت على أنها مفقودة؛ لا تصنفهم إلى فئة عدم الالتزام القانوني.

5. دمج البيانات، التحليل الطولي، والنمذجة التنبؤية

  1. قم بإجراء التحليل القابل لإعادة الإنتاج باستخدام لغة البرمجة بايثون (الإصدار 3.13.5) مع مكتبات لمعالجة البيانات، والحوسبة العددية، والتحليل الإحصائي، والتصوير على نظام تشغيل ويندوز 64-بت. اضبط البذرة العشوائية على 71636، وكود القيم المفقودة ك NA. إذا استخدم الفريق النهائي R بدلا من ذلك، استبدل هذا القسم بنسخة R المنفذة بالضبط، وإصدارات الحزمة، والوظائف، والنص؛ لا تبلغ عن سير عمل برمجي غير منفذ.
  2. لخص نسب الالتزام الجيد في اليوم 30، اليوم 90، واليوم 180 مع فترات ثقة دقيقة من كلوبر-بيرسون ثنائية الوجه. اختبر التغير المزدوج العام في الالتزام الثنائي مع اختبار كوكران Q، يليه اختبارات ماكنيمار المزدوجة الدقيقة مع تصحيح بونفيروني.
  3. حلل BMQ-NCD وAPGAR العائلي عبر اليوم 30، اليوم 90، واليوم 180 بين الحالات الكاملة باستخدام اختبار فريدمان. عندما يكون اختبار المجموع ذا دلالة، أجرى مقارنات ويلكوكسون بترتيب التوقيع مع تصحيح بونفيروني. أبلغ عن الوسيطات والنطاقات الربعية بالإضافة إلى المتوسطات والانحرافات المعيارية. حساب إجماليات المقياس الفردية من الإجابات على مستوى العنصر قبل التحليل؛ لا تحلل قيم الاستبيان المستداخلة أو الملساء يدويا.
  4. عرف نتيجة اليوم 180 على أنها الالتزام الجيد = 1 والالتزام الضعيف = 0. إعادة ضبط الانحدار اللوجستي متعدد المتغيرات في يوم 30 باستخدام أربعة مؤشرات محددة مسبقا: الإقامة (حضري = 1؛ الريف = 0)، الجنس (ذكر = 1؛ أنثى = 0)، ويوم 30 في BMQ-NCD (مستمر)، واليوم 30 نتيجة APGAR عائلية (مستمرة). لا تستخدم زيارات المتابعة الخارجية. تجنب وصف الفحص الأحادي المتغير أو الاختيار العكسي إلا إذا تم تنفيذ ذلك الإجراء وتوثيقه بالشيفرة.
  5. حدد المعادلة الملاءمة الكاملة: logit[P(الالتزام الجيد في اليوم 180)] = -10.3811 + 1.2921 (حضري) - 1.5215(ذكر) + 0.5211(BMQ-NCD) + 0.6887 (APGAR عائلي). قم بتوليد الرقم الاسمي مباشرة من هذه المعاملات غير المقربة واستخدم التسميات الموجهة للقارئ، والفئات المرجعية، ونطاقات الدرجات، والاتجاهات.
  6. قيم التمييز باستخدام وحدة الاعتماد المئوية (AUC) ونطاق ثقة بنسبة 95٪ بنظام التمهيد المئوية. تقييم خطأ التنبؤ العام باستخدام درجة بريير والمعايرة باستخدام مخطط المعايرة وميل المعايرة. الإبلاغ عن الأداء الظاهر بشكل منفصل عن الأداء المصحح بالتفاؤل.
  7. قم بأداء 1000 إعادة عينات ناجحة للإقلاع. في كل عينة جديدة، أعد صياغة نموذج التنبؤ الأربعة الكامل وتقدير التفاؤل من خلال مقارنة الأداء في عينة التمهيد مع الأداء في العينة الأصلية. اطرح متوسط التفاؤل من الأداء الظاهر.

6. سرية المرضى وسلامة البيانات

  1. تأكد من إزالة جميع المعلومات القابلة للتعريف بالمريض قبل التحليل. تخزين ملف الربط الرئيسي في نظام مؤسسي مشفر محمي بكلمة مرور وقابل فقط للموظفين المختصين في الدراسة.
  2. قم بتعيين معرف أبجدي رقمي فريد لكل مشارك عند التسجيل. استخدم هذا الرقم التعريفي لجميع نماذج المتابعة والسجلات الرقمية لاحقا.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

تنفيذ البروتوكول الموحد وتصنيف المجموعات

سجل تدفق المشاركين يفيد بأن 216 فردا تم تقييمهم، و6 تم استبعادهم، و210 مسجلين. فقد سبعة عشر قبل تقييم اليوم 90، وفقد مشاركان إضافيان قبل اليوم 180، مما ترك 191 حالة كاملة للتحليلات الطولية والنمذجة (الشكل التكميلي 1). تم توثيق 19 غير مكتمل في سجل الفحص والمتابعة لتقرير تدفق المشاركين لكنهم لم يدرجوا في مجموعة البيانات التحليلية، ولم يتم احتساب قيم النتائج. لذا يحتوي ملف التحليل على مجمو...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

تصف هذه الدراسة بروتوكول الهاتف الطولي الموحد وتطور داخليا نموذج تنبؤ اليوم 30 للالتزام الذاتي بالأدوية بعد السكتة الدماغية الإقفارية. هناك ثلاث نتائج مركزية. أولا، انخفضت نسبة التصنيف على أنها ذات الالتزام الجيد من 84.3٪ في اليوم 30 إلى 77.0٪ في اليوم 90 و72.8٪ في اليوم 180. ثانيا، انخفضت درجات BMQ-NCD وFamily APGAR أيضا عبر التقييمات المجدولة. ثالثا، كان الإقامة الحضرية، والجنس، واليوم 30 من BMQ-NCD، واليوم 30 من APGAR العائلي مرتبطين بالالتزام باليوم 180 في نموذج التنبؤ باليوم 30 المح...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

لم يفصح جميع المؤلفين عن أي تضارب مصالح.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
Analysis ScriptStudy AuthorsJoVE_Analysis_Script.py (Uploaded as supplementary material)
Chinese Beliefs about Medicines Questionnaire-Specific (BMQ-Specific)Original: Prof. Robert Horne.
Chinese validation: Jiang S. et al. / Nie B. et al. (as cited in text)		Authorized Chinese Version. Administered via structured interview. Permission obtained from the original developer/copyright holder.
Chinese Family APGAR IndexOriginal: Dr. Gabriel Smilkstein.
Chinese application: Smilkstein G. et al. (as cited in text)		Validated Chinese translation. Version: 5-item scale. Open access/Public domain for clinical research.
Chinese National Institutes of Health Stroke Scale (NIHSS)Original: National Institutes of Health (NIH).
Chinese validation: Lyden P.D. et al. (as cited in text)		Validated Chinese version. 11-item clinical scale (0-42). Open access.
MatplotlibThe Matplotlib development teamVersion 3.10.6. Open source (https://matplotlib.org/)
NumPyThe NumPy communityVersion 2.3.3. Open source (https://numpy.org/)
PythonPython Software FoundationVersion 3.13.5 (64-bit Windows environment). Open source (https://www.python.org/)
pandasThe pandas development team (NumFOCUS)Version 2.3.3. Open source (https://pandas.pydata.org/)
SciPyThe SciPy communityVersion 1.16.2. Open source (https://scipy.org/)

المراجع

  1. Sacco RL, Kasner SE, Broderick JP, et al. An updated definition of stroke for the 21st century: a statement for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2013;44(7):2064-2089.
  2. GBD 2019 Stroke Collaborators. Global, regional, and national burden of stroke and its risk factors, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet Neurol. 2021;20(10):795-820.
  3. Zhao Y, et al. Increasing burden of stroke in China: a systematic review and meta-analysis of prevalence, incidence, mortality, and case fatality. Int J Stroke. 2022;17(10):1083-1092.
  4. Chen Y, et al. Mortality and recurrent vascular events after first incident stroke: a 9-year community-based study of 0.5 million Chinese adults. Lancet Glob Health. 2020;8(4):e580-e590.
  5. Robba C, van Dijk EJ, van der Jagt M. Acute ischaemic stroke and its challenges for the intensivist. Eur Heart J Acute Cardiovasc Care. 2022;11(3):258-268.
  6. Peng Y, et al. Long-term survival, stroke recurrence, and life expectancy after an acute stroke in Australia and New Zealand from 2008-2017: a population-wide cohort study. Stroke. 2022;53(8):2538-2548.
  7. Flach C, et al. Risk and secondary prevention of stroke recurrence: a population-based cohort study. Stroke. 2020;51(8):2435-2444.
  8. Law MR, Morris JK, Wald NJ. Use of blood pressure lowering drugs in the prevention of cardiovascular disease: meta-analysis of 147 randomised trials. BMJ. 2009;338:b1665.
  9. Chen W, et al. Recurrent stroke in minor ischemic stroke or transient ischemic attack with metabolic syndrome and/or diabetes mellitus. J Am Heart Assoc. 2017;6(6):e005446.
  10. Li Q, et al. Prevalence of stroke and vascular risk factors in China: a nationwide community-based study. Sci Rep. 2017;7(1):6402.
  11. Kernan WN, et al. Guidelines for the prevention of stroke in patients with stroke and transient ischemic attack: a guideline for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2014;45(7):2160-2236.
  12. Dawson J, et al. European Stroke Organisation (ESO) guideline on pharmacological interventions for long-term secondary prevention after ischaemic stroke or TIA. Eur Stroke J. 2022;7(3):I-II.
  13. Gladstone DJ, et al. Canadian Stroke Best Practice Recommendations: secondary prevention of stroke update 2020. Can J Neurol Sci. 2022;49(3):315-337.
  14. Xie W, et al. Long-term antiplatelet mono- and dual therapies after ischemic stroke or transient ischemic attack: network meta-analysis. J Am Heart Assoc. 2015;4(8):e002259.
  15. Cramer JA, et al. Medication adherence and persistence: terminology and definitions. Value Health. 2008;11(1):44-47.
  16. Hill MN, Miller NH, De Geest S, et al. ASH position paper: adherence and persistence with taking medication to control high blood pressure. J Clin Hypertens (Greenwich). 2010;12(10):757-764.
  17. Dalli LL, et al. Greater adherence to secondary prevention medications improves survival after stroke or transient ischemic attack: a linked registry study. Stroke. 2021;52(11):3569-3577.
  18. Yeo SH, et al. Impact of medication nonadherence on stroke recurrence and mortality in patients after first-ever ischemic stroke: insights from registry data in Singapore. Pharmacoepidemiol Drug Saf. 2020;29(5):538-549.
  19. Flint AC, et al. Statin adherence is associated with reduced recurrent stroke risk in patients with or without atrial fibrillation. Stroke. 2017;48(7):1788-1794.
  20. Bushnell CD, et al. Secondary preventive medication persistence and adherence 1 year after stroke. Neurology. 2011;77(12):1182-1190.
  21. Mansoor H, et al. Sex differences in prescription patterns and medication adherence to guideline-directed medical therapy among patients with ischemic stroke. Stroke. 2025;56(2):318-325.
  22. Ullberg T, et al. Associations between ischemic stroke follow-up, socioeconomic status, and adherence to secondary preventive drugs in southern Sweden. Neuroepidemiology. 2017;48(1-2):32-38.
  23. Hodson T, Gustafsson L, Cornwell P. Unveiling the complexities of mild stroke: an interpretative phenomenological analysis of the mild stroke experience. Aust Occup Ther J. 2019;66(5):656-664.
  24. Horne R, Weinman J. Predicting treatment adherence: an overview of theoretical models. In: The Handbook of Health Behavior Change. 5th ed. 2020. DOI:10.1201/9781003072348-4.
  25. Horne R, Weinman J, Hankins M. The Beliefs about Medicines Questionnaire: the development and evaluation of a new method for assessing the cognitive representation of medication. Psychol Health. 1999;14(1):1-24.
  26. Nie B, et al. Utilization of the Beliefs about Medicines Questionnaire and prediction of medication adherence in China: a systematic review and meta-analysis. J Psychosom Res. 2019;122:54-68.
  27. Smilkstein G, Ashworth C, Montano D. Validity and reliability of the Family APGAR as a test of family function. J Fam Pract. 1982;15(2):303-311.
  28. Zhang Y. Family functioning in the context of an adult family member with illness: a concept analysis. J Clin Nurs. 2018;27(15-16):3205-3224.
  29. Lyden PD, et al. A modified National Institutes of Health Stroke Scale for use in stroke clinical trials: preliminary reliability and validity. Stroke. 2001;32(6):1310-1317.
  30. Banks JL, Marotta CA. Outcomes validity and reliability of the modified Rankin Scale: implications for stroke clinical trials: a literature review and synthesis. Stroke. 2007;38(3):1091-1096.
  31. Mayberry LS, Osborn CY. Family support, medication adherence, and glycemic control among adults with type 2 diabetes. Diabetes Care. 2012;35(6):1239-1245.
  32. Al-Arkee S, et al. Mobile apps to improve medication adherence in cardiovascular disease: systematic review and meta-analysis. J Med Internet Res. 2021;23(5):e24190.
  33. Zhang Y, et al. Treatment adherence and secondary prevention of ischemic stroke among discharged patients using mobile phone- and WeChat-based improvement services: cohort study. JMIR Mhealth Uhealth. 2020;8(6):e16496.
  34. Jiang S, et al. Relationship between medication literacy and beliefs among persons with type 2 diabetes mellitus in Guangdong, China. Patient Prefer Adherence. 2023;17:2039-2050.
  35. Liu KF, et al. Time-varying risk factors associated with the progress of functional recovery and psychological distress in first-ever stroke patients. J Neurosci Nurs. 2022;54(2):80-85.
  36. Ytterberg C, et al. Perceived impact of stroke six years after onset, and changes in impact between one and six years. J Rehabil Med. 2017;49(8):637-643.
  37. Pai HC, et al. Change in activities of daily living in the year following a stroke: a latent growth curve analysis. Nurs Res. 2018;67(4):286-293.
  38. Cao JX, Chen XP. Research progress of the living conditions for family caregivers of stroke survivors. J Nurs. 2010;17:9-11.
  39. Pan Y, Jones PS, Winslow BW. The relationship between mutuality, filial piety and depression in family caregivers in China. J Transcult Nurs. 2017;28(5):455-463.
  40. Chung ML, et al. Depressive symptom trajectories in family caregivers of stroke survivors during first year of caregiving. J Cardiovasc Nurs. 2021;36(3):254-262.
  41. Aliyu BS, et al. Enhanced feature selection for imbalanced microarray cancer gene classification using chaotic salp swarm algorithm. Int J Theor Appl Comput Intell. 2025;2025:258-283.
  42. Yousaf K, et al. Mobile-health applications for the efficient delivery of health care facility to people with dementia (PwD) and support to their carers: a survey. Biomed Res Int. 2019;2019:7151475.
  43. Karimi M, et al. Feature selection methods in big medical databases: a comprehensive survey. Int J Theor Appl Comput Intell. 2025;2025:181-209.
  44. Rehman A. Brain stroke prediction through deep learning techniques with ADASYN strategy. In: 2023 16th International Conference on Developments in eSystems Engineering (DeSE); 2023. p. 679-684.
  45. Kurdi SZ. Machine learning-based classification framework for human health care monitoring. Int J Theor Appl Comput Intell. 2026;2026:1-15.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

الوقاية الثانويةالامتثال المُبلغ عنه ذاتياًالنموذج اللوجستيمقياس APGAR العائلياستبيان معتقدات الدواء المحدد (BMQ-Specific)السكن الحضري
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.