Rapid Review of Medication Taking (Adherence) Among Patients With Rheumatic Diseases During the COVID‐19 Pandemic
Notice bibliographique
Résumé
OBJECTIVE: We aimed to identify, appraise, synthesize, and contextualize rapidly emerging reports on medication taking (adherence) among patients with rheumatic diseases during the COVID-19 pandemic. METHODS: We searched MEDLINE, EMBASE, and CINAHL for peer-reviewed communications, letters, and articles published during the COVID-19 pandemic evaluating medication taking among individuals with rheumatic diseases. We appraised assessment and reporting of medication adherence according to established definitions of 3 distinct problems of medication taking (i.e., noninitiation, poor implementation, and discontinuation) and pooled findings using random-effects models. RESULTS: We included 31 peer-reviewed studies in our synthesis from various jurisdictions, of which 25 described medication taking among rheumatology patients and 6 described medication prescribing among rheumatology providers. The pooled prevalence of overall medication nonadherence was 14.8% (95% confidence interval [95% CI] 12.3-17.2) and that of medication discontinuation (i.e., stopping of prescriptions) and poor implementation (i.e., not taking medication at the dose/frequency prescribed) as 9.5% (95% CI 5.1-14.0) and 9.6% (95% CI 6.2-13.0), respectively. Noninitiation (i.e., not starting/not filling new prescriptions) was not addressed. CONCLUSION: Medication taking among individuals with rheumatic diseases during the COVID-19 pandemic varies globally. Unclear reporting and extensive variation in research methods between studies create barriers to research replication, comparison, and generalization to specific patient populations. Future research in this area should use consistent and transparent approaches to defining and measuring medication taking problems to ensure that findings appropriately describe the epidemiology of medication adherence and have the potential to identify modifiable targets for improving patient care.
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 | 0,045 | 0,184 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,035 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».