Predictors of non-adherence to antihypertensive medications: A cross-sectional study from a regional hospital in Afghanistan
Notice bibliographique
Résumé
BACKGROUND: Non-adherence to antihypertensive medications (AHMs) is a widespread problem. Cardiovascular morbidity and mortality reduction is possible via better adherence rates among hypertensive patients. OBJECTIVES: This study aimed to assess the prevalence of non-adherence to AHMs and its predictors among hypertensive patients who attended Mirwais Regional Hospital in Kandahar, Afghanistan. METHODS: A cross-sectional study using random sampling method was conducted among hypertensive patients, aged ≥18 years in Mirwais Regional Hospital at a 6-month follow-up between October and December 2022. To assess non-adherence to AHMs, we employed the Hill-Bone Medication Adherence scale. A value below or equal to 80% of the total score was used to signify non-adherence. A multivariable binary logistic regression model was used to identify predictors of non-adherence to AHMs. RESULTS: We used data from 669 patients and found that 47.9% (95%CI: 44.1-51.8%) of them were non-adherent to AHMs. The majority (71.2%) of patients had poorly controlled blood pressure (BP). The likelihood of non-adherence to AHMs was significantly higher among patients from low monthly-income households [Adjusted odds ratio (AOR) 1.70 (95%CI: 1.13-2.55)], those with daily intake of multiple AHMs [AOR 2.02 (1.29-3.16)], presence of comorbid medical conditions [AOR 1.68 (1.05-2.67), lack of awareness of hypertension-related complications [AOR 2.40 (1.59-3.63)], and presence of depressive symptoms [AOR 1.65 (1.14-2.38)]. CONCLUSION: Non-adherence to AHMs was high. Non-adherence to AHMs is a potential risk factor for uncontrolled hypertension and subsequent cardiovascular complications. Policymakers and clinicians should implement evidence-based interventions to address factors undermining AHMs adherence in Afghanistan.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».