Factors associated with medication adherence among heart failure patients and their caregivers
Notice bibliographique
Résumé
BACKGROUND: Reducing the rate of rehospitalization among heart failure patients is a major public health challenge; medication non-adherence is a crucial factor shown to trigger rehospitalizations. Objective: To collect pilot data to inform the design of educational interventions targeted to heart failure patients and their caregivers to improve medication adherence. METHODS: Heart failure patients with an implantable cardioverter defibrillator and their family caregivers were recruited from an outpatient electrophysiology clinic at an urban university medical center (N = 10 caregiver and patient dyads, 70% race/ethnic minority, mean patient age = 63 years). Quantitative and qualitative research methods were utilized. Semi-structured individual interviews were conducted to assess patients' and caregivers' individual interest in, and access to, new medication adherence technologies. Patient adherence to medications, medication self-efficacy, and depression were assessed by validated questionnaires. Medication adherence and hospitalization rates were assessed among patients at 30-days post-clinic visit by mailed survey. RESULTS: At baseline, 60% of patients reported sometimes forgetting to take their medications. The most common factors associated with non-adherence included forgetfulness (50%), having other medications to take (20%), and being symptom-free (20%). At 30-day follow-up, half of patients reported non-adherence to their medications, and 1 in 10 reported being hospitalized within the past month. Dyads reported widespread access to technology, with the majority of dyads showing interest in mobile applications and text messaging. There was less acceptance of medication-dispensing technologies; caregivers and patients were concerned about added burden. CONCLUSIONS: The majority of etiologies of medication non-adherence were subject to intervention. Enthusiasm from patients and caregivers in new technologies to aid in adherence was tempered by potential burden, and should be considered when designing interventions to promote 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».