Cognition, mood, self-care, and medication adherence in hospitalized patients with heart failure: a cross-sectional study
Notice bibliographique
Résumé
Poor medication adherence is prevalent in patients with heart failure (HF). Cognitive impairment (CI), mood (anxiety and depression), poor self-care are commonly seen and associated with medication adherence issues. However, it is not well established how these factors interact with each other impacting on HF patients' medication adherence. Therefore, the objective of this study was to determine relationships between cognition, mood, self-care and medication adherence of HF patients. We conducted a cross-sectional study and collected 200 hospitalized HF patients from Cardiology department of Linyi People's hospital in Shandong province, China. Cognition, mood, self-care and medication adherence were assessed by using Medication Adherence Self-Efficacy Scale-Revision (MASES-R), Montreal Cognitive Assessment (MoCA), Hospital Anxiety and Depression Scale (HADS) and Self-Care of Heart Failure Index version 7.2 (SCHFI v7.2), respectively. The results showed that the average score of MoCA, HADS, SCHFI, and MASES-R were 14.94 ± 8.13, 15.91 ± 12.46, 145.8 ± 67.5, 34.2 ± 14.0, respectively. Education, cognition, self-care were positively correlated with medication adherence. By comparison, sex, age, atrial fibrillation, NT-proBNP, duration of HF and mood (anxiety and depression) were negatively correlated with medication adherence. Mood and self-care had a direct impact on medication adherence. Cognition and self-care had an indirect impact on medication adherence through mood. Interventions should consider these interactions to improve medication adherence in the future.
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) | 0,000 | 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 ».