Patient-pharmacist relationship dynamics: a mediation analysis of patient characteristics and reported outcomes
Notice bibliographique
Résumé
Background: While previous research underscores the independent effect of the pharmacist-patient relationship on patient outcomes, it did not delve further into the patient-pharmacist relationship dynamics and their effects on reported outcomes. Therefore, this study aimed to assess whether patient-pharmacist relationship aspects mediate the association between patient personal and health characteristics, on the one hand, and adherence to medication and quality of life, on the other hand (QOL). Methods: An online cross-sectional study was conducted between April 11 and 27, 2023. It enrolled 865 adults from all Lebanese governorates and used validated scales to measure the various concepts. Results: The mean age was 32.52 ± 14.56 years, and 68.8% were female. Also, 79.3% reported having no chronic disease, and 57.7% indicated that getting nonprescription medications was the main reason for visiting a community pharmacy. The average routine intake of medications per day was 0.87 ± 1.78. Our key findings reveal a compelling association between worse health status and both increased medication non-adherence and reduced QOL. Sociodemographic factors were found to be correlated with QOL. Despite the considerable impact of demographic factors on patient expectations, our study challenges the expected mediation role of the pharmacist-patient relationship and counseling time on medication adherence. Nevertheless, patient expectations partially mediated the relationship between sociodemographic characteristics and QOL. Conclusion: This study sheds light on the intricate dynamics between patient characteristics, health status, medication adherence, and QOL within the context of the patient-pharmacist relationships.
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 | 0,007 |
| 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) | 0,000 | 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 ».