Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Лонгитюдный мониторинг и предиктивное моделирование соблюдения медикаментов у пациентов с ишемическим инсультом

76 просмотров

⸱

DOI:

10.3791/71636

⸱

11 августа 2026 г.

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

В этой статье

Краткое содержание

Этот протокол описывает структурированную телефонную оценку самосообщаемого приема медикаментов через 30, 90 и 180 дней после выписки и внутреннюю разработку ранней модели прогнозирования последующего наблюдения для выживших после ишемического инсульта. Протокол отделяет самосообщаемое приём от фармацевтического ПДК и использует заранее определённые демографические и психосоциальные предикторы на 30-й день.

Аннотация

Соблюдение медикаментов является центральным фактором вторичной профилактики после ишемического инсульта, однако самосообщаемая приверженность может изменяться во время наблюдения. В рамках этой одноцентровой продольной системы было зачислено 210 участников, из которых 191 завершил 180-дневную оценку. Приём лекарств оценивался с помощью структурированного телефонного интервью на днях 1–30, 31–90 и 91–180 дней и классифицировался как хороший, когда суммарный процент соблюдения по дням воздействия составлял не менее 80%. Китайские BMQ-специфичные и семейные APGAR проводились на 30-й, 90-й и 180-й день. Логистическая модель с четырьмя предикторами использовала место жительства, пола, BMQ-NCD на 30-й день и семейный APGAR 30-го дня, и была внутренне валидирована с помощью 1000 повторных выборок в бутстрапе. Из 191 полного случая хорошее соблюдение составило 84,3% (95% ДИ, 78,3%–89,1%) на 30-й день, 77,0% (95% ДИ, 70,3%–82,7%) на 90-й день и 72,8% (95% ДИ, 65,9%–79,0%) на 180-й день. Городское проживание, мужской пол, день 30 BMQ-NCD и семейный балл APGAR за день 180 были связаны с соблюдением дня 180. Очевидный AUC составил 0,879 (95% CI, 0,821–0,928), а оптимизм-скорректированный AUC — 0,867. Протокол предоставляет воспроизводимую основу для продольной оценки самосообщаемой приверженности и внутренне валидированную модель прогнозирования на 30-й день. Перед клиническим внедрением требуются внешняя валидация и объективные меры соблюдения.

Введение

Инсульт остаётся одной из ведущих причин долгосрочной инвалидности и смертности во всем мире, что требует уточнённого клинического определения, учитывающего как патологические, так и визуализированные данные. 1. Несмотря на достижения в области острых вмешательств, глобальное бремя инсульта продолжает расти, при этом ишемический инсульт составляет подавляющее большинствослучаев 2. Эта тенденция особенно заметна в Китае, где распространённость сосудистых факторов риска достигла критического уровня, что создаёт огромную нагрузку на системуздравоохранения 3. Данные свидетельствуют о том, что выжившие после первого инсульта сталкиваются с высоким риском повторных сосудистых событий, при этом исследования, проведенные в сообществе, подчёркивают устойчивую уязвимость этойпопуляции 4. Хотя управление острой фазой представляет собой значительныесложности 5, долгосрочная выживаемость и продолжительность жизни этих пациентов в основном определяются эффективностью стратегий вторичнойпрофилактики 6,7.

Краеугольным камнем вторичной профилактики является строгое фармакологическое лечение, включая снижение артериального давления и антитромбоцитарнуютерапию 8,9,10. Международные рекомендации Американской кардиологической ассоциации (AHA), Европейской организации по инсульту (ESO) и Канадских рекомендаций по лучшей практике инсульта подчеркивают, что соблюдение этих схем необходимо для предотвращениярецидива 11,12,13,14. Тем не менее, клиническая полезность этих вмешательств часто подрывается из-за плохого соблюдения медикаментов15,16. Соблюдение медикаментов — это многомерная конструкция, включающая как инициацию, так иперсистентность 15,17. Недавние данные реестра показывают, что более строгое соблюдение вторичных профилактических препаратов значительно повышает выживаемость и снижает частотурецидивов 17,18. Например, придержка статинов независимо связана со снижением рискарецидивирования 19.

Несмотря на эти преимущества, лонгитюдные исследования отмечают значительный «временной спад» в уровне адринга в течение первого года послевыписки 20. Хотя демографические факторы, такие как половые различия и социально-экономический статус, влияют наустойчивость 21,22, всё больше признаётся роль психосоциальных и когнитивных факторов в формировании поведенияпациентов 23,24. Анкета «Убеждения о лекарствах» (BMQ) стала валидированным инструментом для оценки когнитивного представления медикаментов через рамки «Необходимость и опасения» 25. Систематические обзоры показали, что показатели BMQ являются надёжными предикторами приверженности при различных хронических заболеваниях в Китае26. Аналогично, социальная среда, особенно функционирование семьи, играет ключевую роль. Семейный индекс APGAR обеспечивает надёжную меру воспринимаемой поддержки, что крайне важно для пациентов, проходящих через сложности жизни послеинсульта 27,28.

Хотя NIHSS и модифицированная шкала Ранкина описывают неврологическую тяжесть и функциональный исход29,30, они не измеряют напрямую веру в медикаментозное лечение или воспринимаемое функционирование семьи31. Мобильное здравоохранение и сервисы на базе WeChat были изучены: соблюдениеих поддерживает 32,33. Таким образом, настоящий протокол имеет две цели: определить оценку приёма лекарств на 30, 90 и 180 день с использованием согласованной терминологии, а также разработать интерпретируемую модель соблюдения дня 180 с использованием заранее определённых демографических и психосоциальных переменных, собранных в ходе исследования.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Протокол был утверждён Этическим комитетом по биомедицинским исследованиям Западно-Китайской больницы Сычуанского университета (Одобрение No 2021 Обзор (1303); дата утверждения — 8 ноября 2021 года). Все зарегистрированные процедуры проводились в соответствии с требованиями комитета и утверждённым протоколом. Полный аналитический набор данных представлен в Дополнительном файле 1.

1. Скрининг пациентов и базовая регистрация

  1. Определите потенциальных участников по стационарным записям отделения неврологии. Избранные пациенты, диагностированные с острой ишемической схемой, с помощью магнитно-резонансной томографии (МРТ) или компьютерной томографии (КТ). Запишите общее количество первоначально проверенных лиц, чтобы определить базовый пул для диаграммы потока участников.
  2. Проводите скрининг пациентов по заранее установленным критериям включения. Включите взрослых с подтверждённым острым ишемическим инсультом, которые могут пройти собеседование самостоятельно или через официального представителя.
  3. Применяйте критерии исключения. Исключать пациентов с анамнезом тяжёлых психических заболеваний, когнитивными нарушениями (определяемыми клиническими записями) или продолжительностью жизни менее шести месяцев. Документируйте точные причины и соответствующие числа исключений на данном этапе (например, ограничения по продолжительности жизни или отказ дать согласие).
  4. Перед регистрацией получите письменное информированное согласие от пациента или, если пациент не может дать согласие, от законно уполномоченного представителя, используя форму, утверждённую комитетом. Объясните дизайн долгосрочного исследования, телефонные оценки и 180-дневный график последующего наблюдения перед подписанием. Запишите личность и роль человека, дающего согласие, дату согласия и сотрудника исследования, получившего согласие.
  5. Собирать исходные демографические и клинические данные в течение 48 часов после поступления. Фиксируйте возраст, пол, место жительства, уровень образования и ежемесячный доход с помощью стандартизированной формы отчёта о случае.
  6. После выписки квалифицированный специалист по инсульту проведёт проверенный китайский NIHSS с использованием стандартных 11 баллов и общего диапазона 0–4229. Запишите общий балл, роль оценщика, статус обучения, дату оценки и продолжительность пребывания в больнице.
  7. Проведите официальное китайское BMQ-Specific через структурированное личное собеседование перед выпиской и по телефону в 30-й день, 90-й день и180-25,34-й день.
    ПРИМЕЧАНИЕ: Инструмент содержит пять пунктов необходимости и пять пунктов по вопросам. Оцените каждый пункт от 1 (категорически не согласен) до 5 (полностью согласен) и суммите пять элементов в каждой подшкале; Сумма необходимости и заботы, поэтому каждая из них варьируется от 5 до 25.
  8. Вычислите дифференциал необходимости и опасения (BMQ-NCD) как Необходимость минус Опасения (диапазон, -20–20). Более высокая необходимость и более высокие значения BMQ-NCD указывают на более сильную воспринимаемую потребность относительно опасений, тогда как более высокое значение беспокойства указывает на большее беспокойство.
    ПРИМЕЧАНИЕ: Требуется все пять ответов для каждой подшкалы; в противном случае закажите этот подмасштаб и BMQ-NCD как отсутствующие. Используйте 30-й день BMQ-NCD в качестве предиктора непрерывной модели. В то же время Китайская семейнаяAPGAR 27.
  9. Оценивайте Адаптацию, Партнёрство, Рост, Привязанность и Решимость как 0 (почти никогда), 1 (иногда) или 2 (почти всегда), и суммите пять пунктов в целые числа 0-10; Более высокие показатели указывают на лучшее воспринимаемое функционирование семьи. Если какой-либо предмет из Family APGAR отсутствует, закажите общее количество как отсутствующее. Запишите версии инструментов, авторизацию, администратора, респондента, дату, ответы на задание, итоги по подшкале и общие баллы в форме отчёта по делу.

2. Подготовка к выписке и обучение пациентов

  1. Проведите стандартизированное медикаментозное консультирование перед выпиской. Предоставьте письменный список назначенных вторичных профилактических препаратов, включая антитромбоциты, статины и антигипертензивы.
  2. Обучайте пациента и его основного опекуна важности соблюдения медикаментов. Продемонстрируйте, как фиксировать приём лекарств, если пациент собирается использовать таблетку или дневник.
  3. Проверьте основной контактный номер пациента. Установите предпочтительные временные окна для будущих последующих звонков, чтобы минимизировать отток и обеспечить высокий уровень отклика.

3. Продольный контроль после выписки (день 30, день 90 и день 180)

  1. Проведите первое структурированное телефонное интервью на 30-й день после выписки (целевое окно, плюс-минус 3 дня). Для каждого класса вторичных профилактических препаратов, назначенных в период с 1 по 30 день, запишите название класса, частоту назначенной сутки дозы, количество дней воздействия и количество самосообщаемых дней с соблюдением класса в дни с 1 по 30.
    1. Зафиксируйте респондента (пациента или основного опекуна, управляющего медикаментом), дату контакта, изменения режима, временные прерывания, указанные врачом, и причины незавершения. На том же интервью проводите BMQ-специфичный и семейный APGAR и фиксируйте результаты за 30-й день
  2. Проведите второе собеседование на 90-й день (целевое окно, плюс-минус 7 дней). Повторите вопросы по медикаментам, специфичные для класса, на непересекающийся интервал 31–90 дней и введите BMQ и семейный APGAR. Не просите участника восстановить дни с 1 по 30 заново; сохраняют запись 30-го дня в качестве источника для этого интервала.
  3. Проведите финальное собеседование в день 180 (целевое окно, плюс-минус 7 дней). Повторяйте вопросы по медикаментам, специфичные для класса, в непересекающийся интервал 91–180 дней, введите BMQ и семейный APGAR, а также фиксируйте день — 180 мРС, когда это возможно.
  4. Используйте одну и ту же структурированную форму собеседования и правило для респондента на всех трёх повторных консультациях. Если пациент не может реагировать из-за когнитивных, языковых или физических нарушений, используйте опекуна, который управляет медикаментозной схемой, и фиксируйте эту замену. Не заявляйте подтверждение подсчёта таблеток, дневника, аптеки или проверки интервьюера, если это не зафиксировано в исходных записях.
  5. Записывайте амбулаторные визиты только для описательного наблюдения. Не включайте никакие переменные использования после ухода в модель прогнозирования, предназначенную для использования после оценки на 30-й день.
  6. Определите исходную оценку как стационарную/выписку и маркируйте оценки соблюдения по календарному времени (день 30, день 90 и день 180), а не по Т1, Т2 и Т3. Это предотвращает предыдущий конфликт, в котором T1 относился как к базовому, так и к 30-му дню.

4. Количественная оценка самостоятельно сообщаемого соблюдения медикаментов

  1. Не используйте термин PDC, если только соблюдение не связано с записями о выдаче или пополнении. Рассматривайте антитромботическую терапию (антитромбоцитарные или пероральные антикоагулянты, как показано), липиднизационную терапию, антигипертензивную и понижающую глюкозу как отдельные классы вторичной профилактики только по назначению этому участнику.
    1. Для каждого назначенного занятия определите день с соблюдением класса как день, в который, по сообщениям, была принята каждая запланированная доза в этом классе; Отсутствие любой запланированной дозы делает этот учебный день несоблюденным. Прекращение приёма, замена и временные приостановки по указанию врача не считаются ожидаемым воздействием через несколько дней после задокументированной даты вступления в силу.
    2. Рассчитайте композитный процент самосообщаемого интервала как 100, умноженный на сумму дней с соблюдением классов по записанным классам на сумму ожидаемых дней экспозиции по этим классам. Этот расчёт, взвешенный по дню воздействия, учитывает разные сроки назначения и эквивалентен среднему пропорциям по классу только при назначении каждого курса на одинаковое количество дней. Используйте дни 1–30 для значения дня-30, дни 31–90 для значения дня-90 и дни 91–180 для значения дня-180.
  2. При каждом последующем осмотре классифицируйте хорошее соблюдение как долю самосообщаемых дней соблюдения не менее 80% и слабое соблюдение как менее 80%. Относитесь к отсутствующей оценке соответствия как отсутствующим; Не относите их к категории плохого соблюдения.

5. Интеграция данных, продольный анализ и предсказательное моделирование

  1. Выполните воспроизводимый анализ с использованием языка программирования Python (версия 3.13.5) с библиотеками для обработки данных, численных вычислений, статистического анализа и визуализации на 64-битной операционной системе Windows. Установить случайное семя на 71636 и закажите отсутствующие значения как NA. Если финальная команда использует R, замените этот раздел точной версией R, версиями пакетов, функциями и скриптом; Не сообщайте о невыполненном программном процессе.
  2. Суммируем пропорции хорошего соблюдения на 30, 90 и 180 день с двусторонними 95% точными доверительными интервалами Клоппера-Пирсона. Проверьте общее парное изменение бинарной адрелигии с Q-тестом Кокрана, затем точные парные тесты МакНемара с коррекцией Бонферрони.
  3. Проанализируйте BMQ-NCD и семейный APGAR на 30-й, 90-й и 180-й день среди полных случаев с помощью теста Фридмана. Когда тест омнибуса значим, проводите сравнения Вилкоксона со знаками и коррекцией Бонферрони. Сообщайте медианы и межквартильные диапазоны, а также средние и стандартные отклонения. Рассчитывать итоги индивидуальной шкалы по ответам на уровне пункта до анализа; Не анализируйте интерполированные или сглаженные вручную значения анкет.
  4. Определите результат дня-180 как хорошее соблюдение = 1 и плохое соблюдение = 0. Переработайте многопеременную логистическую регрессию на 30-й день с использованием четырёх заранее заданных предикторов: место жительства (Urban = 1; Сельская местность = 0), пол (Мужчина = 1; Женщины = 0), день 30 BMQ-NCD (непрерывный) и день 30 Семейный балл APGAR (непрерывный). Не используйте амбулаторные последующие визиты. Избегайте описания одномерного отбора или обратного отбора, если только эта процедура не была выполнена и задокументирована в коде.
  5. Закажите полное уравнение по подгонке: logit[P(хорошее присоединение к 180-му дню)] = -10.3811 + 1.2921(Городский) - 1.5215(Мужский) + 0.5211(BMQ-NCD) + 0.6887(Семейный APGAR). Генерируйте номограмму непосредственно из этих неокруглённых коэффициентов и используйте метки, ориентированные на читателя, эталонные категории, диапазоны баллов и направленность.
  6. Оцените дискриминацию с помощью ROC AUC и доверительного интервала 95% процентильного бутстрапа. Оценить общую ошибку прогноза с использованием балла Брайера и калибровки с помощью графика калибровки и наклона калибровки. Сообщайте о видимой эффективности отдельно от оптимизм-скорректированной эффективности.
  7. Выполните 1000 успешных ресэмплов bootstrap. В каждом повторном выборке переработайте полную модель с четырьмя предикторами и оцените оптимизм, сравнивая производительность в выборке bootstrap с производительностью исходной выборки. Вычтите средний оптимизм из кажущейся производительности.

6. Конфиденциальность пациентов и безопасность данных

  1. Убедитесь, что вся информация, идентифицируемая пациентом, удалена перед анализом. Храните главный файл связи в защищённой паролем зашифрованной институциональной системе, доступной только авторизованному сотруднику исследований.
  2. При регистрации каждому участнику присваивается уникальный алфавитно-цифровой идентификатор. Используйте этот идентификатор для всех последующих форм и цифровых записей.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Реализация стандартизированного протокола и стратификации когорт

Журнал потоков участников сообщает, что было оценено 216 человек, 6 исключены, а 210 зачислены. Семнадцать участников были потеряны до оценки на 90-й день, а ещё двое участников — до 180-го дня, оставив 191 полный случай для лонгитюдного и моделирующего анализа (Дополнительный рисунок 1). 19 неполных материалов были задокументированы в журнале скрининга и последу...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

В этом исследовании описывается стандартизированный продольный телефонный протокол и внутренне разрабатывается модель прогнозирования 30-го дня для самосообщаемого приёма лекарств на 180-й день после ишемического инсульта. Три вывода являются ключевыми. Во-первых, доля с хорошим соблюдением снизилась с 84,3% на 30-й день до 77,0% на 90-й день и 72,8% на 180-й день. Во-вторых, баллы BMQ-NCD и семейного APGAR также снизились во время запланированных оценок. В-третьих, городское проживание,...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Все авторы не сообщили о конфликтах интересов.

Благодарности

Ни одного.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
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/)

Ссылки

  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.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Вторичная профилактикаприверженность лечению по самоотчетамлогистическая модельсемейный APGARспецифический опросник BMQпроживание в городе
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.