Determinants of the medication adherence behavior among elderly patients with coronary heart diseases
Notice bibliographique
Résumé
Background : Coronary heart disease (CHD) is one of the most common chronic diseases among elders, and lifelong medication is necessary for them to control the disease. More than 60% of elders fail to adhere to their medication regimen. The purpose of this study was to explore the determinants of medication adherence behavior (MAB) of elderly with CHD . Methods : A cross-sectional correlation design was used. Convenience sampling was used to enroll subjects from the outpatient department of a cardiovascular clinic in a medical center in southern Taiwan. The study consecutively recruited 241 patients over 65 years old with CHD under medication for over one year and expected to take medication for life. A structured questionnaire and face to face interview was applied for data collection. The questionnaire which was developed by the researchers included a demographic sheet and five scales to measure perceived effects, perceived partnership, perceived reality, interpersonal influence, and medication-taking behaviors. Results : Only perceived effects and interpersonal influence remained in the predicting model and both factors accounted for 17% variance of the MABs. Conclusions : How the elderly perceive the effect of the medication and how they are influenced by others are two important determinants for medication adherence in elderly with CHD. Also, Clinical nurses can play a key role in the process of educating elderly patients so that they can achieve regular 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 | 0,001 |
| 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) | 0,000 | 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 ».