Ambulatory Heart Function and Transplant Patients’ Perceptions of Drug–Drug Interactions: A Qualitative Study
Notice bibliographique
Résumé
Background: Drug–drug interactions (DDIs) can cause adverse drug events, leading to hospitalizations and an increase in the risk of morbidity and mortality. Until now, patients’ perceptions of DDIs have represented an understudied area of research. Objectives: To explore patients’ perceptions of DDIs and identify factors important to patients’ understanding of their medications. Methods: Participants were recruited from 2 ambulatory clinics (heart function and transplant) in Vancouver, British Columbia. Participants engaged in key informant interviews and were asked to provide their demographic information, rate their understanding of their own medications, and define a DDI. Afterward, participants were interviewed to gather their perceptions of DDIs and factors important to their understanding of their medications. Results: A total of 7 patients were recruited. Participants struggled to define a DDI and were unsure if they had ever experienced a DDI. There was a reliance on health care professionals to help manage DDIs. Participants did not identify barriers preventing them from accessing medication information from health care professionals; however, they independently sought medication information found on the internet. Conclusions: Patients in this study had an incomplete understanding of DDIs and had difficulties differentiating DDIs from side effects of medications. As a result of their limited understanding of DDIs, patients relied on health care professionals to inform and manage their DDIs. Although patients did not identify barriers to accessing medication information, their pervasive use of the internet suggests that there are unidentified barriers preventing patients from speaking directly to their health care professionals regarding their medication therapy. RÉSUMÉ Contexte : Les interactions médicamenteuses (IM) peuvent provoquer des événements indésirables, entraînant des hospitalisations et une augmentation du risque de morbidité et de mortalité. Jusqu’à présent, les perceptions des patients concernant les IM représentaient un domaine de recherche sous-étudié. Objectifs : Explorer les perceptions des patients à l’égard des IM et recenser les facteurs importants pour qu’ils comprennent leurs médicaments. Méthodes : Les participants ont été recrutés dans deux cliniques ambulatoires (de la fonction cardiaque et de transplantation) à Vancouver, en Colombie-Britannique. Ils ont participé à des entretiens à titre d’informateurs clés et ont été invités à fournir leurs informations démographiques, à évaluer leur niveau de compréhension de leurs médicaments et à définir ce qu’on entend par « IM ». Par la suite, les participants ont été interrogés pour savoir comment ils percevaient les IM et pour recenser des facteurs importants leur permettant de comprendre leurs médicaments. Résultats : Au total, 7 patients ont été recrutés. Les patients avaient du mal à définir une IM et ne savaient pas s’ils avaient déjà vécu une IM. Ils comptaient ainsi sur les professionnels de la santé pour les aider à les gérer. Les patients n’ont identifié aucun obstacle les empêchant d’accéder aux informations sur les médicaments fournis par les professionnels de la santé; cependant, ils ont, de manière indépendante, cherché des informations sur les médicaments sur Internet. Conclusions : Les patients de cette étude avaient une compréhension limitée des IM et avaient des difficultés à faire la différence entre les IM et les effets secondaires des médicaments. En raison de cette compréhension limitée, les patients comptaient sur les professionnels de la santé pour les informer et gérer leurs IM. Bien que les patients n’aient pas signalé d’obstacles les empêchant d’accéder aux informations sur les médicaments, leur utilisation systématique d’Internet suggère que des obstacles non identifiés les empêchaient de parler directement à leurs professionnels de la santé au sujet de leur traitement médicamenteux.
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 | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,004 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| 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 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 ».