Primary nonadherence to chronic disease medications: a meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Medication nonadherence is a global problem that requires urgent attention. Primary nonadherence occurs when a patient consults with a medical doctor, receives a referral for medical therapy but never fills the first dispensation for the prescription medication. Nonadherence to chronic disease medications costs the USA ~$290 billion (USD) every year in avoidable health care costs. In Canada, it is estimated that 5.4% of all hospitalizations are due to medication nonadherence. OBJECTIVES: The objective of this study was to quantify the extent of primary nonadherence for four of the most common chronic disease medications. The second objective was to identify factors associated with primary nonadherence to chronic disease medications. MATERIALS AND METHODS: We conducted an extensive systematic literature review of eight databases with a wide range of keywords. We identified relevant articles for primary nonadherence to antihypertensives, lipid-lowering agents, hypoglycemics, and antidepressants. After further screening and assessment of methodologic quality, relevant data were extracted and analyzed using a random-effects model. RESULTS: Twenty-four articles were included for our meta-analysis after full review and assessment for risk of bias. The pooled primary nonadherence rate for the four chronic disease medications was 14.6% (95% CI: 13.1%-16.2%). Primary medication nonadherence was higher for lipid-lowering medications among the four chronic disease medications assessed (20.8%; 95% CI: 16.0%-25.6%). The rates in North America (17.0%; 95% CI: 14.4%-19.5%) were twice those from Europe (8.5%; 95% CI: 7.1%-9.9%). The absence of social support (20%; 95% CI: 14.4%-26.6%) was the most common sociodemographic variable associated with chronic disease medication primary nonadherence. CONCLUSION: Evidence suggests that a considerable percentage of patients do not initially fill their medications for treatable chronic diseases or conditions. This represents a major health care problem that can be successfully addressed. Efforts should be directed toward proper medication counseling, patient social support, and clinical follow-up, especially when the indications for the prescribed medication aim to provide primary prevention.
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 | 0,016 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,068 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».