A systematic review and meta-analysis of non-adherence to anti-diabetic medication: Evidence from low‐ and middle‐income countries
Notice bibliographique
Résumé
Objective: There is lack of evidence on the burden of and factors associated with non-adherence to anti-diabetic medication among individuals living with diabetes in low-and middle-income countries (LMICs). Therefore, we carried out a systematic literature review and meta-analytic synthesis to estimate non-adherence to anti-diabetic medication reported among adults in LMICs and to explore factors affecting non-adherence. Methods: We systematically searched MEDLINE and Embase to identify studies investigating non-adherence to anti-diabetic medications published between January 2000 and May 2020. Cross-sectional studies that had been conducted among individuals with diabetes in LMICs were eligible for the selection process. Critical appraisal of the included studies was carried out using the Newcastle Ottawa Scale. Meta-analysis was carried out using Stata 14.2. Random effects model was used to compute the pooled proportion at 95% confidence interval. Results: Forty-three studies met the inclusion criteria, of which 13 studies were used in meta-analysis. The pooled proportion of non-adherence to anti-diabetic medications using the eight-item Morisky Medication Adherence Scale (MMAS) was 43.4% (95% CI: 17.5–69.4; p=0.000) and 29.1% (95% CI: 19.8–38.4; p=0.000) when using the cut-off at 80 or 90%. The pooled proportion of non-adherence was 29.5% (95% CI: 25.5–33.5; p=0.098) when using the four-item Morisky Medication Adherence Scale. The factors for non-adherence based on World Health Organization demonstrated considerable variation of non-adherence to ant-diabetic medication in LMICs depending on the methods used to estimate non-adherence. Conclusions: These findings demonstrate a significantly higher proportion of medication non-adherence among individuals with diabetes in LMIC settings when MMAS-8 item scale was used and low when 80-90% cut-off scales were used. Various factors, such as disease factors, therapy-related factors, healthcare system factor, patient-centered factors, and social and economic factors contributed to non-adherence. Therefore, comprehensive multifaceted strategies are urgently needed to address factors associated with anti-diabetic medication non-adherence.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| 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) | 0,006 | 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 ».