A Review of Factors Relating to Medication Non-Adherence in Patients with Schizophrenia
Notice bibliographique
Résumé
Schizophrenia is a severe chronic mental illness affecting twenty million people worldwide. Although the incidence of schizophrenia remains low, its prevalence may remain high due to medication non-adherence. Knowing potential factors relating to non-adherence with medication among patients with schizophrenia by investigating existing literature is needed in order to understand the phenomenology of this situation. Therefore, the study aimed to explore the most common factors that affected medication non-adherence in patients with schizophrenia. A systematic review was conducted through a literature search on Cochrane Database of Systematic Reviews, MEDLINE, PsycINFO, EBSCOhost, CINAHL Complete, ERIC, and Allied Health databases published from 1980 to 2021. Database searches were conducted with the terms “non-adherence to medication” “schizophrenia,” and “factors.” Eighty-six articles were found following the first-round search. Then seventy-eight articles were excluded due to irrelevant and duplicate tiles. Only eight articles were included for the final review. Per the findings, factors associated with medication non-adherence were categorized into four main themes: individual characteristics, cognitive appraisal, social influence, and health-care service. To improve medication adherence rates in patients with schizophrenia, psychiatric nurses must consider these specific factors while establishing nursing interventions.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,008 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».