Non-Adherence to Prescribed Therapies: Pharmacare’s Existential Challenge
Notice bibliographique
Résumé
Pharmacare, a recently proposed addition to Canada's universal medicare program, has become a prominent topic in the public discourse, but funding and leadership have not been established. Repeated Health Care in Canada (HCIC) surveys of the adult public and a broad spectrum of health professionals reveal very strong support for a national system that is easy to access and covers all prescribed pharmaceuticals. Although the practical details of universal pharmacare remain to be established, there is strong support among the public and professionals as well as increasing federal government interest in moving forward and ultimately implementing pharmacare. At the same time, HCIC surveys indicate that a high percentage of patients do not take their medications as directed, both for acute and chronic illnesses. The data suggest that pharmacare's success will be severely challenged by this. Of the four major challenges preventing usual care from being the best care - suboptimal access, non-diagnosis, non-prescription and non-adherence - risk from some form of non-adherence is often ranked first by care professionals. The most commonly reported reasons for non-adherence in clinical settings are patients' forgetfulness and how they feel in the moment on any given day. Costs of therapy, lack of understanding or poor knowledge transfer between prescribers and patients regarding therapeutic risks and benefits are rarely cited causes for poor adherence. These findings from the 2018 HCIC survey are not new. They are very consistent with measurements in the 2016 and other previous HCIC surveys. They do, however, raise practical challenges for the creation and ongoing management of universal pharmacare. Specifically, a patient-centred care component designed to improve non-adherence to prescribed therapies is needed. Ideally, it should include a measurement and feedback component on adherence that shares data with and between patients, health professionals and payers. Things can be better.
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 | 0,000 | 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) | 0,004 | 0,013 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».