Measurement, Correlates, and Health Outcomes of Medication Adherence Among Seniors
Notice bibliographique
Résumé
OBJECTIVE: To provide a comprehensive review of the literature on the measurement, correlates, and health outcomes of medication adherence among community-dwelling older adults. DATA SOURCES: Searches of MEDLINE, PubMed, and International Pharmaceutical Abstracts databases for English-language literature (1966-December 2002) were conducted using one or more of the following terms: elderly, adherence/nonadherence, compliance/noncompliance, medication/drug, methodology/measurement, and hospitalization. STUDY SELECTION AND DATA EXTRACTION: From the above search, studies of medication adherence in community-dwelling seniors were selected for review along with relevant publications from the reference lists of articles identified in the initial database search. DATA SYNTHESIS: Although several methods are available for the assessment of adherence, accurate measurement continues to be difficult. The available evidence suggests that polypharmacy and poor patient-healthcare provider relationships (including the use of multiple providers) may be major determinants of nonadherence among older persons, with the impact of most sociodemographic factors being negligible. There is little consensus regarding other determinants of nonadherence. Relatively few high-quality investigations have examined the associations between nonadherence and subsequent health outcomes. Available data provide some support for increased health risks with nonadherence. However, interventions to improve adherence have seldom demonstrated positive effects on health outcomes. CONCLUSIONS: There are few empirical data to support a simple systematic descriptor of the nonadherent patient. The inconsistencies across studies may be attributable, in part, to the inherent difficulties involved in the measurement of a behavioral risk factor such as nonadherence. Future research in this area would be strengthened by incorporation of detailed assessments of patient-reported reasons for nonadherence, the appropriateness of drug regimens, and the effect of nonadherence on health outcomes.
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 | 0,008 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».