Matching Adherence Interventions to Patient Determinants Using the Theoretical Domains Framework
Notice bibliographique
Résumé
Introduction Despite much research, interventions to improve medication adherence report disappointing and inconsistent results. Tailored approaches that match interventions and patient determinants of non-adherence were seldom used in clinical trials. The presence of a multitude of theoretical frameworks and models to categorize interventions and patient determinants complicated the development of common categories shared by interventions and determinants. We retrieved potential interventions and patient determinants from published literature on medication adherence, matched them like locks and keys, and categorized them according to the Theoretical Domains Framework (TDF). Methods We identified the most relevant literature reviews on interventions and determinants in a pragmatic literature search, extracted all interventions and determinants, grouped similar concepts to umbrella terms and assigned them to TDF categories. All steps were finalized in consensus discussion between the authors. Results Sixteen articles (5 with determinants, 11 with interventions) were included for analysis. We extracted 103 interventions and 42 determinants that we divided in 26 modifiable and 16 unmodifiable determinants. All interventions and modifiable determinants were matched within 11 categories (Knowledge; Skills; Social/professional role and identity; Beliefs about capabilities; Beliefs about consequences; Intentions; Memory, Attention and decision processes; Environmental context and resources; Social influences; Emotion; and Behavioral regulation). Conclusion In published trials on medication adherence, the congruence between interventions and determinants can be assessed with matching interventions to determinants. To be successful, interventions in medication adherence should target current modifiable determinants and be tailored to the unmodifiable determinants. Modifiable and unmodifiable determinants need to be assessed at inclusion of intervention studies to identify the patients most in need of an adherence intervention. Our matched categories may be useful to develop interventions in trials that investigate the effectiveness of adherence interventions.
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 | 0,040 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,014 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».