Adherence to treatment and harmful effects of medication shortages in the context of severe crises: scale validation and correlates
Notice bibliographique
Résumé
BACKGROUND: Medication shortage is a public health problem, affecting patients' outcomes mainly through the difficulty in maintaining adherence, particularly in the context of a severe economic crisis. There is a need for a new scale that assesses the effect of medication shortage on adherence. AIM: To develop and validate a scale to evaluate the harmful impact of medication shortage among the general Lebanese population and assess its correlates and association with medication adherence. METHODS: A questionnaire was used to assess medication shortage harmful effects and patients' adherence, allowing to generate the Harmful Impact of Medication Shortage scale (HIMS). The factor analysis, convergent validity and reliability of the generated scale were assessed, followed by multivariable regressions to evaluate its correlates. RESULTS: The developed HIMS scale is a 9-item tool, used to assess how difficult it was for people to deal with medication shortages and their harmful effects on treatment. It was significantly and inversely linked to treatment adherence and affected by the patients' socioeconomic status and the type of chronic disease. CONCLUSION: The Harmful Impact of Medication Shortage scale could be an efficient tool to measure the detrimental effects of medication shortages among the Lebanese adult population with chronic diseases, particularly affecting treatment adherence. Future studies and evidence are still needed to confirm our findings and help build global mitigation policies addressing medication shortages.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».