MétaCan
Menu
Retour à la cohorte
Enregistrement W4404961802 · doi:10.2196/60805

Development and Validation of a Novel Tool to Measure Medication Adherence for Noncommunicable Diseases in India: Protocol for an Exploratory Sequential Mixed Methods Multicentric Study

2024· article· en· W4404961802 sur OpenAlexvenueno aff
Joe Thomas, José María, Priyanka Rajmohan, Farah Naaz Fathima, Hisham Moosan, Nisha K. Jose, T S Anish, Mohan Bairwa, Tulika Goswami Mahanta, Aditi Apte, Jerin Jose Cherian, Praveenlal Kuttichira, Ravi Prasad Varma

Notice bibliographique

RevueJMIR Research Protocols · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationScale (ratio)Focus groupConstruct (python library)Protocol (science)DiseaseMedication adherenceFamily medicineAlternative medicineEnvironmental healthComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In high-income countries, only 50% of patients treated for chronic diseases adhere to the prescribed treatment. This issue is even more pronounced in resource-limited countries. Medication adherence scales are simple, low-cost approaches to identify nonadherence in clinical practice. In India, nonadherence to medication varies from 18.7% to 74%, assessed using scales validated in the Western population, as there is no validated medication adherence tool contextualized to the Indian setting. The phrasing of questions in scales validated elsewhere and its interpretations may vary when applied in Indian patients unless accounting for the unique cultural, social, and economic factors influencing medication adherence in India. This could result in inaccurate reports of adherence behavior. OBJECTIVE: This study aims to develop and validate a novel medication adherence tool for select noncommunicable diseases (diabetes mellitus, hypertension, chronic obstructive pulmonary disease, bronchial asthma, and coronary artery disease) in the Indian population. METHODS: An exploratory sequential mixed methods design will be used, beginning with a qualitative phase where the construct of the scale is defined and preliminary items are generated through a scoping review, focus group discussions, and in-depth interviews. This will be followed by the tool's development phase, including an expert panel review and item revision. Finally, a quantitative phase in 4 zones in India (North, South, East, and West) will be conducted to confirm and validate the newly developed scale. RESULTS: In the first phase, we will frame the construct definition and develop an inventory of potential items for the proposed medication adherence tool. In the second phase, item-level and scale-level content validity indices, along with content validity ratio, will be estimated. In the third phase, we will conduct an item reduction analysis and determine the scoring matrix and item weightage after expert review. We will assess the tool's psychometric properties, plot the receiver operating characteristic (ROC) curve to set an adherence cut-off score, and compute the construct validity and test-retest reliability from the quantitative survey. CONCLUSIONS: A medication adherence tool for noncommunicable diseases, developed after ensuring it is ethnically, culturally, and linguistically appropriate incorporating stakeholder perspectives and validated in community settings, would offer a real-world perspective of adherence. The tool will have 2 versions for clinical practice and research, aiding policy makers in adopting tailored adherence policies. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/60805.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,505

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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.

Tête enseignante Opus0,592
Tête enseignante GPT0,636
Écart entre enseignants0,045 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreProtocole

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetMedication Adherence and ComplianceTravaux en français237 207