Renal failure
2026-12-01
Czynniki predykcyjne złej adherencji do leczenia u pacjentów poddawanych dializie otrzewnowej: model ryzyka oparty na LASSO z badania przekrojowego w Xinjiangu w Chinach
Predictors of poor medication adherence in patients undergoing peritoneal dialysis: a LASSO-based risk model from a cross-sectional study in Xinjiang, China.
Recenzja AI
Cel badania
Celem badania było zidentyfikowanie kluczowych determinantów złej adherencji do leczenia oraz opracowanie klinicznie użytecznego modelu predykcyjnego.
Metoda
Przeprowadzono badanie przekrojowe wśród 401 pacjentów poddawanych dializie otrzewnowej, wykorzystując regresję logistyczną LASSO z 10-krotną walidacją krzyżową do wyboru predyktorów.
Wyniki
Wyniki wykazały, że 71,3% uczestników miało złą adherencję do leczenia, a model LASSO zidentyfikował trzy główne czynniki: działania niepożądane leków, poziom samodzielnego zarządzania oraz uczucie bezsilności.
Znaczenie dla praktyki
Opracowany model LASSO stanowi zwięzłe i zrozumiałe narzędzie do identyfikacji pacjentów wysokiego ryzyka, co może wspierać ukierunkowane interwencje w praktyce klinicznej w Polsce.
Abstrakt oryginalny
Medication nonadherence is a major challenge in peritoneal dialysis, yet predictive tools are available. This study aimed to identify key determinants of poor medication adherence and develop a clinically applicable prediction model. A cross-sectional survey was conducted among 401 patients undergoing maintenance peritoneal dialysis in Xinjiang, China. Data included sociodemographic characteristics, medication and medical history, and validated scales for self-management, self-efficacy, and helplessness. Least absolute shrinkage and selection operator (LASSO) logistic regression with 10‑fold cross-validation was used to select predictors and construct the model; model performance was assessed using the area under the curve (AUC), Brier score, and calibration curve. Overall, 286 participants (71.3%) had poor medication adherence. The LASSO model (λ = 0.054) retained three predictors: medication side effects, self-management level, and helplessness. Compared with the full‑variable model, the LASSO model achieved lower AIC (370.19 vs. 371.95) and BIC (386.17 vs. 399.91), indicating greater parsimony. The stepwise model had a slightly lower AIC, but its BIC was higher. Discrimination and calibration were comparable across models. Poor adherence is highly prevalent and primarily associated with medication side effects, inadequate self-management, and helplessness. The LASSO‑based model provides a concise, interpretable tool for identifying high‑risk patients to support targeted interventions.