Effectiveness of motivational interviewing interventions on medication adherence in adults with chronic diseases: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Medication adherence is frequently suboptimal in adults with chronic diseases, resulting in negative consequences. Motivational interviewing (MI) is a collaborative conversational style for strengthening a person's motivation and commitment to change. We aimed to assess whether MI interventions are effective to enhance medication adherence in adults with chronic diseases and to explore the effect of individual MI intervention characteristics. Methods: We searched electronic databases and reference lists of relevant articles to find randomized controlled trials (RCTs) that assessed MI intervention effectiveness on medication adherence in adults with chronic diseases. A random-effects model was used to estimate a pooled MI intervention effect size and its heterogeneity (I 2 ). We also explored the effects of individual MI characteristics on MI intervention effect size using a meta-regression with linear mixed model. Results: : Nineteen RCTs were identified, and 16 were included in the meta-analysis. The pooled MI intervention effect size was 0.12 [95% confidence interval (CI) = (0.05, 0.20), I 2 = 1%]. Interventions that were based on MI only [β = 0.183, 95% CI = (0.004, 0.362)] or those in which interventionists were coached during intervention implementation [β = 0.465, 95% CI = (0.028, 0.902)] were the most effective. MI interventions that were delivered solely face to face were more effective than those that were delivered solely by phone [β = 0.270, 95% CI = (0.041, 0.498)]. Conclusions: This synthesis of RCTs suggests that MI interventions might be effective at enhancing of medication adherence in adults treated for chronic diseases. Further research is however warranted, as the observed intervention effect size was small.
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 | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,031 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».