Mental healthcare users’ self-reported medication adherence and their perception of the nursing presence of registered nurses in primary healthcare
Notice bibliographique
Résumé
Background: Medication adherence remains a challenge in the management of mental healthcare users (MHCUs), despite it being regarded as crucial for better health outcomes. Nurses at primary healthcare (PHC) facilities can play an important role through nursing presence in enhancing MHCUs’ medication adherence. Aim: This article aimed to investigate the relationship between MHCUs’ self-reported medication adherence and their perception of the nursing presence by registered nurses in PHC. Setting: An urban health district in Gauteng province, South Africa. Methods: A quantitative, descriptive correlational, cross-sectional design was used. The sample included 180 MHCUs. Data were collected using the Medication Adherence Rating Scale and the Presence of Nursing Scale. Results: The overall adherence level of respondents was partially adherent, with an average score of 6.45 out of a total score of 10. Respondents also reported a low level of perceived nursing presence demonstrated by registered nurses, with an average score of 72.2 out of 125. The results indicated a positive correlation between respondents’ self-reported medication adherence and their perceived nursing presence of registered nurses as evidenced by the positive value of the correlation coefficient of 0.69 with a corresponding significance probability value of 0.000 ( r = 0.69; p = 0.00). Conclusion: The level of perceived nursing presence demonstrated by registered nurses played a significant role in influencing MHCUs’ level of medication adherence. The registered nurses can improve MHCUs’ medication adherence by demonstrating nursing presence skills such as good listening skills and taking care of MHCUs as individuals and not as a disease. Contribution: The results of this study confirm that there is a correlation between nursing presence and medication adherence. This holds significant value for future research in nursing presence. These findings also provide registered nurses in PHC with a valuable tool to improve medication adherence, namely nursing presence.
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 | 0,001 |
| 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) | 0,000 | 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 ».