How ethical is the use of financial incentives to promote medication adherence among patients with serious mental illness? - a scoping review of the literature
Notice bibliographique
Résumé
Poor adherence to medication treatment in those with serious mental illness is common. Typical solutions and consequences in Western, formal psychiatric care settings often involve coercive measures such as involuntary hospital admissions and treatment, and out-patient commitments, with serious infringements on civil liberty. We examine the relatively unfamiliar, controversial and under-explored area of using financial incentive (FI) to enhance medication adherence in this population through a comprehensive scoping literature review, focusing on the ethical aspects of this practice. From nineteen qualified papers, we identified seven key themes of ethical “concerns,” and opposing arguments on whether FI is: (1) itself a form of coercion affecting autonomy; (2) leading to erosion of a proper consent process; (3) causing indirect and unintended harm; (4) worsening multiple levels of stigma related to mental illness; (5) associated with loss of intrinsic motivation of treatment; (6) associated with misuse of the fund itself; and (7) potentially leading to negative impact on therapeutic relationships. The ethics review shows a moderate receptivity to the use of FI in some specific and individualized circumstances; exceptions for those with poor insight and lacking treatment capacity are particularly relevant in order to avoid other forms of coercion. Additional highlights of the review include the optimal amount, duration, scope, and target population of the FI, and need for rigorous attention to psychoeducation, process, therapeutic relationships, stigma, and not lose sight of ultimately aiming to improve on patients’ insight, autonomy, quality of life and intrinsic motivation in this controversial approach.
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 | 0,042 | 0,196 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,003 |
| 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 ».