Adherence to treatment among hypertensive individuals in a rural population of North India
Notice bibliographique
Résumé
Background: Hypertension affects nearly a quarter of adults in India. While there are issues related to diagnosis and treatment gap, even among those who received treatment, adherence is a problem resulting in poor control. Aim & Objective: To study the adherence to treatment of hypertension and its determinants among rural population Methods and Material: A community based cross-sectional study was carried out in twenty-eight villages in Ballabgarh block of Faridabad district of Haryana. Sample size of 300 was calculated. Adults (? 18 years) with self-reported hypertension were recruited by simple random sampling at community level. Adherence to treatment was studied by both recall and pill count methods. Information about socio-demographic characteristic was also obtained. Results: In total 350 participants were recruited in the study. Adherence (100%) by recall method was reported among 27.4% subjects and by pill count among 18.9% subjects. Symptom-free period was identified as most common reason for non-adherence. Statistically significant poor adherence to treatment of hypertension was reported among subjects belonging lower social strata. Conclusions: Very low adherence to hypertension treatment was reported in rural community in northern India. There is urgent need for awareness generation about treatment adherence and developing adherence-monitoring mechanisms at community level
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 | 0,001 | 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 | 0,001 |
| 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 ».