MétaCan
Menu
Retour à la cohorte
Enregistrement W4393222190 · doi:10.1186/s12877-024-04893-7

Tools to measure barriers to medication management capacity in older adults: a scoping review

2024· review· en· W4393222190 sur OpenAlexafffund
Bincy Baby, Annette McKinnon, Kirk Patterson, Hawa Patel, Rishabh Sharma, Caitlin Carter, Ryan Griffin, Catherine M. Burns, Feng Chang, Sara J. T. Guilcher, Linda Lee, Sara Abu Fadaleh, Tejal Patel

Notice bibliographique

RevueBMC Geriatrics · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensNational Research Council CanadaOntario Stroke NetworkMcMaster UniversityUniversity of TorontoUniversity of Waterloo
Organismes subventionnairesNational Research Council CanadaCanadian Institutes of Health ResearchGovernment of Canada
Mots-clésCINAHLPsycINFOMEDLINEChecklistMedicineInclusion (mineral)CognitionScopusClinical psychologyPsychologyPsychological interventionNursingPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medication management capacity is a crucial component of medication adherence, particularly among older adults. Various factors, including physical abilities, cognitive functions, sensory capabilities, motivational, and environmental factors, influence older adults' ability to manage medications. It is, therefore, crucial to identify appropriate tools that allow clinicians to determine which factors may impact medication management capacity and, consequently, nonadherence to medications. PURPOSE: 1)To identify tools that measure physical, cognitive, sensory (vision, hearing, touch), motivational, and environmental barriers to medication self-management in older adults, and 2) to understand the extent to which these tools assess various barriers. METHODS: The scoping review was conducted using Arksey and O'Malley's scoping review framework and the PRISMA Extension for Scoping Reviews checklist. In June 2022, the relevant literature was identified by searching PubMed (MEDLINE), Ovid Embase, Ovid IPA, EBSCOhost CINAHL, APA PsycINFO, and Scopus. RESULTS AND DISCUSSION: In total, 7235 studies were identified. Following the removal of duplicates, 4607 articles were screened by title and abstract, of which 4253 did not meet the inclusion criteria. Three reviewers reviewed the full texts of the remaining 354 articles; among them, 41 articles, 4 theses and 1 conference abstract met the inclusion criteria. From the included studies, 44 tools were identified that measured a combination of physical, cognitive, sensory, motivational, and environmental barriers (n=19) or only cognition (n=13), vision (n=5), environmental factors (n=3), auditory (n=1), and motivational factors (n=1). The review also examined the psychometric properties of the identified tools and found that most of them had reported validity and reliability data. Several tools have demonstrated promise in assessing a combination of barriers with validity and reliability. These tools include the Self-Medication Assessment Tool (SMAT), ManageMed Screening (MMS), Self-Medication Risk Assessment Tool (RAT), HOME-Rx revised, and Medication Management Ability Assessment (MMAA). CONCLUSION: This scoping review identified 44 validated tools to measure various challenges that older adults encounter with medication management. However, no tool measures all five barriers (physical, cognitive, sensory, motivational, and environmental) to medication-taking at home. Therefore, utilizing a combination of tools would be most appropriate to measure these different aspects comprehensively. Further research is needed to develop a new comprehensive tool that simultaneously measures various barriers to medication self-management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,511
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,005

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,387
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetMedication Adherence and ComplianceTravaux en français237 207