MétaCan
Menu
Retour à la cohorte
Enregistrement W2770824353 · doi:10.1016/j.gheart.2017.08.001

Exploring the Barriers to and Facilitators of Using Evidence-Based Drugs in the Secondary Prevention of Cardiovascular Diseases: Findings From a Multistakeholder, Qualitative Analysis

2017· article· en· W2770824353 sur OpenAlexaffabout
Victoria Miller, Lavanya Nambiar, Malvika Saxena, Darryl P. Leong, Amitava Banerjee, José Pablo Werba, José Rocha Faria‐Neto, Katherine Curi Quinto, Mohammed Moniruzzaman, Shweta Khandelwal

Notice bibliographique

RevueGlobal Heart · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensMcMaster UniversityPopulation Health Research Institute
Organismes subventionnairesNational Institute for Health and Care ResearchWorld Health Organization
Mots-clésMedicineChecklistGlobal healthObservational studyAlternative medicineMedical educationFamily medicineStrengthening the reporting of observational studies in epidemiologyEpidemiologyPublic healthSystematic reviewCritical appraisalMEDLINEPathologyPolitical sciencePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Health-system barriers and facilitators associated with cardiovascular medication adherence have seldom been studied, particularly in low- and middle-income countries where uptake rates are poorest. OBJECTIVES: This study sought to explore the major obstacles and facilitators to the use of evidence-supported medications for secondary prevention of cardiovascular disease using qualitative analysis in 2 diverse countries across multiple levels of their health care systems. METHODS: A qualitative descriptive study approach was implemented in Hamilton, Ontario, Canada, and Delhi, India. A purposeful sample (n = 69) of 23 patients, 10 physicians, 2 nurse practitioners, 5 Department of Ayurveda, Yoga and Naturopathy, Unani, Siddha, and Homoeopathy physicians, 11 pharmacists, 3 nurses, 4 hospital administrators, 1 social worker, 3 nongovernmental organization workers, 2 pharmaceutical company representatives, and 5 policy makers participated in interviews in Hamilton, Ontario, Canada (n = 21), and Delhi, India (n = 48). All interviews were digitally recorded and transcribed followed by directed content analysis to summarize and categorize the interviews. RESULTS: Themes that emerged across the stakeholder groups included: medication counseling; monitoring adherence; medication availability; medication affordability and drug coverage; time restrictions; and task shifting. The depth of verbal medication counseling provided varied substantially between countries, with prescribers in India unable to convey relevant information about drug treatments due to time constraint and high patient load. Canadian patients reported drug affordability as a common issue and very few patients were familiar with government subsidized drug programs. In India, patients purchased medications out-of-pocket from private, community pharmacies to avoid long commutes, lost wages, and unavailability of medications from hospitals formularies. Task shifting medication-refilling and titration to nonphysician health workers was accepted and supported by physicians in Canada but not in India, where many of the physicians considered a high level of clinical expertise a precondition to carry out these tasks skillfully. CONCLUSIONS: Our findings reveal context-specific, health system factors that affect the patient's choice or ability to initiate and/or continue cardiovascular medication. Strategies to optimize cardiovascular drug use should be targeted and relevant to the health care system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,029
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,010
Communication savante0,0050,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,236
Tête enseignante GPT0,412
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal HeartMême sujetMedication Adherence and ComplianceTravaux en français237 207