Reconceptualizing medication adherence: six phases of dynamic adherence
Notice bibliographique
Résumé
Introduction Nonadherence is the Achilles heel of effective psychiatric treatment. The meaning of the term “adherence” has evolved over time and is now associated with a variety of definitions and measurement methods. This has resulted in a poorly operationalized and non-standardized term that is often interpreted differently by providers and patients. Objectives/Aims This abstract aims to: 1) describe changes in the concept of adherence; 2) present a more comprehensive definition of adherence which recognizes the influence of patient-provider transactions; 3) introduce dynamic adherence, a six-phase model, which incorporates the influence of transactional processes and econometrics on patients’ adherence decisions; and 4) provide recommendations for providers to improve their relationships with patients and in turn, medication adherence. Methods A review of the scientific mental health literature. Results Despite the prevalence, seriousness, and costs associated with medication nonadherence, the construct of adherence remains poorly operationalized and lacks cogent standardization. Drawing from psychiatric research, a dynamic model of medication adherence across six phases is presented. Conclusions This model of adherence highlights the importance of the patient-provider relationship and the transactional processes that comprise what is a dynamic developmental system. Dynamic adherence is intended to foster movement toward a more coherent and unified set of definitions and clinical strategies that will provide the potential to more fully elucidate the risk and protective mechanisms impacting adherence, and the subsequent development and refinement of best practices in increasing the odds of stable medication 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,008 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».