Change in Medication Adherence and Beliefs in Medicines Over Time in Older Adults
Notice bibliographique
Résumé
OBJECTIVE: The temporal component of medication adherence is important while designing interventions to improve medication adherence. Thus, the objective of this study was to determine how medication adherence and beliefs in medicines change over time in older adults. METHODS: A two-year longitudinal internet-based survey among adults 65+ years was used to collect data on medication adherence (Morisky 4-item scale) and beliefs in medicines (Beliefs about Medicines Questionnaire). Paired t-test and one-way ANOVA determined if a change in beliefs in medicines and medication adherence over time was significant. A multiple linear regression was used to determine the significant predictors of change in medication adherence over time. RESULTS: 436 respondents answered both baseline and follow-up surveys. Among all respondents, there was no significant change in adherence (0.58 ± 0.84 vs. 0.59 ± 0.84; p > 0.05), necessity beliefs (17.13 ± 4.31 vs. 17.10 ± 4.29; p > 0.05), or concern beliefs (11.70 ± 3.73 vs. 11.68 ± 3.77; p > 0.05) over time. For older adults with lower baseline adherence, there was a statistically significant improvement in adherence (1.45 ± 0.70 vs. 0.99 ± 0.97; p < 0.05); but no change in beliefs in medicines over time. The significant predictors of change in medication adherence over time were baseline adherence and baseline concern beliefs in medicines. CONCLUSION: With baseline adherence and baseline concern beliefs in medicines playing a significant role in determining change in adherence behavior over time, especially in individuals with lower adherence, it is important to alleviate medication concerns at the beginning of therapy for better adherence.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
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 ».