Health system barriers and facilitators to medication adherence for the secondary prevention of cardiovascular disease: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Secondary prevention is cost-effective for cardiovascular disease (CVD), but uptake is suboptimal. Understanding barriers and facilitators to adherence to secondary prevention for CVD at multiple health system levels may inform policy. OBJECTIVES: To conduct a systematic review of barriers and facilitators to adherence/persistence to secondary CVD prevention medications at health system level. METHODS: Included studies reported effects of health system level factors on adherence/persistence to secondary prevention medications for CVD (coronary artery or cerebrovascular disease). Studies considered at least one of β blockers, statins, angiotensin-renin system blockers and aspirin. Relevant databases were searched from 1 January 1966 until 1 October 2015. Full texts were screened for inclusion by 2 independent reviewers. RESULTS: Of 2246 screened articles, 25 studies were included (12 trials, 11 cohort studies, 1 cross-sectional study and 1 case-control study) with 132 140 individuals overall (smallest n=30, largest n=63 301). 3 studies included upper middle-income countries, 1 included a low middle-income country and 21 (84%) included high-income countries (9 in the USA). Studies concerned established CVD (n=4), cerebrovascular disease (n=7) and coronary heart disease (n=14). Three studies considered persistence and adherence. Quantity and quality of evidence was limited for adherence, persistence and across drug classes. Studies were concerned with governance and delivery (n=19, including 4 trials of fixed-dose combination therapy, FDC), intellectual resources (n=1), human resources (n=1) and health system financing (n=4). Full prescription coverage, reduced copayments, FDC and counselling were facilitators associated with higher adherence. CONCLUSIONS: High-quality evidence on health system barriers and facilitators to adherence to secondary prevention medications for CVD is lacking, especially for low-income settings. Full prescription coverage, reduced copayments, FDC and counselling may be effective in improving adherence and are priorities for further research.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 ».