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 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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».