Non-adherence to immunosuppressive medications in kidney transplant recipients- a systematic scoping review
Notice bibliographique
Résumé
BACKGROUND: Rejection and graft failure remain common in kidney transplant recipients. Non-adherence to immunosuppressive medications is considered a major contributary factor to reduced long-term graft survival, particularly in younger people. Improvements in clinical practice based on adherence studies has been minimal. METHODS: Joanna Briggs' Institute Methodology was used. MedlineALL, Embase, Web of Science Core Collection and Scopus databases were searched from January 2000 through to December 2023. Abstract and full text reviews were undertaken independently by two reviewers. Data was collated using a pre-designed extraction tool. RESULTS: 359 articles met the inclusion criteria. Non-adherence was commonly defined using self-reported questionnaires or pharmacy re-fill rates. Prevalence of non-adherence varied widely. There was little correlation between method of measurement and reported rates of non-adherence. Despite younger age being identified as a risk factor for non-adherence, pooled reported prevalence did not differ significantly in studies reporting prevalence in children, adolescents, or young adults vs. older adults (36.0 % vs. 34.0 %). Interventional studies to detect or improve adherence are highly heterogenous, often report small effects and are limited by the lack of gold-standard methods to measure adherence. DISCUSSION: This scoping review outlines the complexities of non-adherence to immunosuppressive medications among kidney transplant recipients, highlighting significant variability in adherence definitions, measurements, and intervention efficacy. Reported non-adherence rates vary widely (2-89 %), underscoring the need for standardisation of the definition of non-adherence in research. Findings suggest that non-adherence to immunosuppressive medication is driven by a mix of demographic, psychosocial, and transplant-specific factors. Future research should prioritise standardised definitions of adherence, validated tools to measure adherence, and focus on clinically significant outcomes in non-adherent populations to develop meaningful, impactful interventions for long-term patient benefit.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
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 ».