Effect of Number of Medications on Cardiovascular Therapy Adherence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Increasing regimen complexity is generally assumed to result in lower medication adherence, but there is conflicting evidence. This study determined the relationship between the number of medications dispensed and adherence with chronic cardiovascular regimens. METHODS: A survey was administered to 367 patients who had taken an angiotensin-converting enzyme inhibitor or lipid-lowering medication for at least 3 consecutive months. Information was collected on nonprescription drug use, demographics, adverse effects, and use of adherence aids. Prescription drug use data over the previous 12 months were obtained for each subject from the British Columbia prescription claims database. Adherence for each prescription medication was calculated based on prescription fill dates and number of days supplied. Univariate and multivariate analyses were used to identify predictors of nonadherence (<80%) with cardiovascular medications. RESULTS: Forty-five subjects (12%) were categorized as nonadherent. Nonadherent subjects took fewer regularly scheduled prescription medications per day (4.1 +/- 2.7 vs. 5.9 +/- 3.4; p = 0.001), fewer pills per day (5.3 +/- 3.6 vs. 9.2 +/- 7.1; p < 0.001), and had fewer administration times per day (1.8 +/- 0.7 vs. 2.4 +/- 0.9; p = 0.001). A multivariate logistic regression model adjusting for age, gender, reported adverse effects, reported nonprescription drug use, and use of adherence aids identified fewer regularly scheduled prescription drugs as an independent predictor of nonadherence with chronic cardiovascular medications (OR = 0.85 per medication, 95% CI 0.74 to 0.94; p = 0.01). CONCLUSIONS: Contrary to popular belief, taking fewer medications was associated with lower adherence with chronic cardiovascular regimens.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,010 | 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 découle