South Asians’ cardiac medication adherence
Notice bibliographique
Résumé
AIM: This paper is a report of a narrative review examining the current state of knowledge regarding adherence with cardiac medication among South Asian cardiac patients. BACKGROUND: South Asians experience higher rates of cardiovascular disease than any other ethnic group. South Asians may be less adherent with a cardiac medication regimen than Caucasians. The factors contributing to adherence are important to discover to assist South Asians to optimize their cardiac health. DATA SOURCES: CINAHL, Medline (Ovid), PsychINFO, EMB Reviews-(Cochrane), and EMBASE were accessed using the key words: 'South Asian', 'Asia', 'East India', 'India', 'Pakistan', 'Bangladesh', 'Sri Lanka', 'medication compliance', 'medication noncompliance' and 'medication adherence'. English language papers published from January 1980 to January 2013 were eligible for inclusion. REVIEW METHODS: Abstracts were reviewed for redundancy and eligibility by the primary author. Manuscripts were then retrieved and reviewed for eligibility and validity by the first and last authors. Content analysis strategies were used for the synthesis. RESULTS: Thirteen papers were in the final data set; most were conducted in India and Pakistan. Medication side-effects, cost, forgetfulness and higher frequency of dosing contributed to non-adherence. South Asian immigrants also faced language barriers, which contributed to non-adherence. Knowledge regarding the medications prescribed was a factor that increased adherence. CONCLUSION: South Asians' non-adherence to cardiac medications is multifaceted. How South Asians who newly immigrate to Western countries make decisions regarding their cardiac medication adherence ought to be explored in greater detail.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».