Patient-Perceived Impact of the COVID-19 Pandemic on Medication Adherence and Access to Care for Long-Term Diseases: A Cross-Sectional Online Survey
Notice bibliographique
Résumé
The COVID-19 pandemic has been associated with lifestyle changes, reduced access to care and potential impacts on medication self-management. Our main objectives are to evaluate the impact of the pandemic on patient adherence and access to care and long-term medications and determine its association with sociodemographic and clinical factors. This study is part of the Specchio-COVID-19 longitudinal cohort study in Geneva, Switzerland, conducted through an online questionnaire. Among the 982 participants (median age: 56; 61% female), 827 took long-term medications. There were 76 reported changes in medication dosages, of which 24 (31%) were without a physician’s recommendation, and 51 delays in initiation or premature medication interruptions, of which 24 (47%) were without a physician’s recommendation. Only 1% (9/827) of participants faced medication access issues. Participants taking a respiratory medication had a four-times greater odds of reporting more regular medication (OR = 4.27; CI 95%: 2.11–8.63) intake, whereas each year increase in age was significantly associated with 6% fewer relative risks of discontinuation (OR = 0.94; CI 95%: 0.91–0.97) and 3% fewer relative risks of changes in medication dosage (OR = 0.97; CI 95%: 0.95–1.00). Despite the limited impact of the pandemic on adherence and access to medications, our results emphasize the need for understanding patient challenges when self-managing their long-term medication, notably during public health crises.
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 | 0,002 |
| 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 ».