Cost-related nonadherence to prescription medications in Canada: a scoping review
Notice bibliographique
Résumé
PURPOSE: The evidence is emerging that prescription medications are the topmost drivers of increasing health care costs in Canada. The financial burden of medications may lead individuals to adopt various rationing or restrictive behaviors, such as cost-related nonadherence (CRNA) to medications. Therefore, the purpose of this study is to provide an overview of the type, extent, and quantity of research available on CRNA to prescription drugs in Canada, and evaluate existing gaps in the literature. METHODS: The study was conducted using a scoping review methodology. Six databases were searched from inception till June 2017. Articles were considered for inclusion if they focused on extent, determinants, and consequences of CRNA to prescription medication use in the Canadian context. Variables extracted for data charting included author(s), year of publication, study design, the focus of the article, sample size, population characteristics, and key outcomes or results. RESULTS: This review found 37 studies that offered evidence on the extent, determinants, and consequences of CRNA to prescription medications in Canada. Depending on the population characteristics and province, the prevalence of CRNA varies between 4% and 36% in Canada. Canadians who are young (between 18 and 64 years), without drug insurance, have lower income or precarious or irregular employment, and high out-of-pocket expenditure on drugs are most likely to face CRNA to their prescriptions. The evidence that CRNA has negative health and social outcomes for patients is insufficient. Literature regarding the influence of prescribing health care professionals on patients' decisions to stop taking medications is limited. There is also a dearth of literature that explores patients' decisions and strategies to manage their prescription cost burden. CONCLUSION: More evidence is required to make a strong case for national Pharmacare which can ensure universal, timely, and burden-free access to prescription medications for all Canadians.
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 | 0,011 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,022 | 0,041 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».