Factors Influencing Adherence to Antipsychotic Medications in Women with DelusionalDisorder: A Narrative Review
Notice bibliographique
Résumé
BACKGROUND: Adherence to medication regimens is of great importance in psychiatry because drugs sometimes need to be taken for long durations in order to maintain health and function. OBJECTIVE: This study aimed to review influences on adherence to antipsychotic medications, the treatment of choice for the delusional disorder (DD), and to focus on adherence in women with DD. METHODS: This is a non-systematic narrative review of papers published since 2000 using PubMed and Google Scholar, focusing on women with DD and medication adherence. RESULTS: Several factors have been identified as exerting influence on adherence in women with persistent delusional symptoms who are treated with antipsychotics. Personality features, intensity of delusion, perception of adverse effects, and cognitive impairment are patient factors. Clinical time spent with the patient, clarity of communication, and regular drug monitoring are responsibilities of the health provider. Factors that neither patient nor clinician can control are the social determinants of health, such as poverty, easy access to healthcare, and cultural variables. CONCLUSION: There has been little investigation of factors that influence adherence in the target population, e.g., women with DD. Preliminary results of this literature search indicate that solutions from outside the field of DD may apply to this population. Overall, a solid therapeutic alliance appears to be the best hedge against nonadherence.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».