Improving adherence to multiple medications in older people in primary care: Selecting intervention components to address patient‐reported barriers and facilitators
Notice bibliographique
Résumé
BACKGROUND: Medication adherence is vital to ensuring optimal patient outcomes, particularly amongst multimorbid older people prescribed multiple medications. Interventions targeting adherence often lack a theoretical underpinning and this may impact on effectiveness. The theoretical domains framework (TDF) of behaviour can aid intervention development by systematically identifying key determinants of medication adherence. OBJECTIVES: This study aimed to (i) identify determinants (barriers, facilitators) of adherence to multiple medications from older people's perspectives; (ii) identify key domains to target for behaviour change; and (iii) map key domains to intervention components [behaviour change techniques (BCTs)] that could be delivered in an intervention by community pharmacists. METHOD: Focus groups were conducted with older people (>65 years) receiving ≥4 medications. Questions explored the 12 domains of the TDF (eg "Knowledge," "Emotion"). Data were analysed using the framework method and content analysis. Identification of key domains and mapping to intervention components (BCTs) followed established methods. RESULTS: Seven focus groups were convened (50 participants). A wide range of determinants were identified as barriers (eg forgetfulness, prioritization of medications) and facilitators (eg social support, personalized routines) of adherence to multiple medications. Eight domains were identified as key targets for behaviour change (eg "Social influences," "Memory, attention and decision processes," "Motivation and goals") and mapped to 11 intervention components (BCTs) to include in an intervention [eg "Social support or encouragement (general)," "Self-monitoring of the behaviour," "Goal-setting (behaviour)"]. CONCLUSION: This study used a theoretical underpinning to identify potential intervention components (BCTs). Future work will incorporate the selected BCTs into an intervention that will undergo feasibility testing in community pharmacies.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».