Exploring the experiences of people in Ontario, Canada who have trouble affording medicines: a qualitative concept mapping study
Notice bibliographique
Résumé
OBJECTIVES: The experiences of people who report cost-related medicine non-adherence are not well documented. We aimed to present experiences relating to accessing medicines reported by the participants in a randomised controlled trial of free medicine distribution. METHODS: The trial consisted of primary care patients from a large urban family practice and three rural family practices who reported cost-related medicine non-adherence. Participants were randomly allocated to continue their poor access (control) or to receive free and easily accessible medicines (intervention). As part of data collection for the first year of the trial, participants were asked closed and open-ended questions to assess their adherence to medication, health outcomes and their experiences in relation to medicine accessibility. We conducted a qualitative concept mapping study in which we analysed and summarised participants' responses to the open-ended question on a concept map to visually present their experiences relating to accessing medicines. RESULTS: Of the 524 trial participants contacted, 198 (38%) responded to the open-ended question. The concept map contains clusters that represent eight types of experiences of participants related to medicine access including stress, relationship with doctor, health impact, quality of life, sacrificing other essentials, medicines are expensive, financial impact and adherence. These experiences fall under two major themes, experiences relating to personal finances and experiences relating to well-being, which are bridged by a central cluster of adherence. CONCLUSIONS: The experiences shared by the participants demonstrate that access to medicines impacts people's finances and well-being as well as their adherence to prescribed medicines. These results indicate that effects on personal finances and general well-being should be measured for interventions and policy changes aimed at improving medicine access. TRIAL REGISTRATION NUMBER: This article is linked to the Carefully Selected and Easily Accessible at No Charge Medicines (CLEAN Meds) randomised controlled trial (trial registration number: NCT02744963).
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) | 0,002 | 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 ».