Does the Number of Pharmacies a Patient Frequents Affect Adherence to Statins?
Notice bibliographique
Résumé
BACKGROUND: We hypothesized that medication adherence is affected by the number of pharmacies a patient frequents. OBJECTIVES: The objective was to estimate the strength of association between the number of pharmacies a patient frequents and adherence to statins. METHODS: Using administrative data from the Nova Scotia Seniors' Pharmacare program, a retrospective cohort study was conducted among subjects aged 65 years and older first dispensed statin between 1998 and 2008. The Usual Provider of Care (UPC), was defined as the number of dispensation days from the most frequented pharmacy divided by the total number of dispensation days. Estimated adherence of over 80% of the Medication Possession Ratio was defined as adherent. Data were analyzed using hierarchical linear regression. RESULTS: The cohort of 25,641 subjects was 59% female with a mean age of 74 years. During follow-up, subjects filled prescriptions in a median of 2 (mean = 2; standard deviation = 0.88) pharmacies and visited pharmacies a median of 28 (mean = 30) times. During that time, 61% of patients used one pharmacy exclusively. Among subjects using 1 pharmacy, 59% were adherent while 58% using more than one pharmacy were adherent. However, upon adjustment for differences in distributions of age, sex, and other confounders, subjects who used more than one pharmacy had 10% decreased odds of statin adherence (odds ratio: 0.90, 95% confidence interval: 0.86-0.96). These results were robust in sensitivity analyses. CONCLUSIONS: Among seniors newly starting statin therapy, using a single community pharmacy was modestly associated with adherence.
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) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».