Association Between Loyalty to Community Pharmacy and Medication Persistence and Compliance, and the Use of Guidelines-Recommended Drugs in Type 2 Diabetes
Notice bibliographique
Résumé
Pharmacists record data on all drugs claimed and may build a personal relationship with their clients. We hypothesized that loyalty to a single pharmacy could be associated with a better quality of drug use.To assess the association between pharmacy loyalty and quality of drug use among individuals treated with oral antidiabetes drugs (OADs).This is a cohort study using Quebec Health Insurance Board data. Associations were assessed using multivariable logistic regression.New OAD users, aged ≥18 years.Individuals who filled all their prescription drugs in the same pharmacy during the first year of treatment were considered loyal. During year 2 of treatment we assessed 4 quality indicators of drug use: persistence with antidiabetes treatment, compliance with antidiabetes treatment among those considered persistent, use of an angiotensin-converting enzyme inhibitor or of an angiotensin II receptor blocker (ACEi/ARB), and use of a lipid-lowering drug.Of 124,009 individuals, 59.75% were identified as loyal. Nonloyal individuals were less likely to persist with their antidiabetes treatment (adjusted odds ratio = 0.89; 95% CI: 0.86-0.91), to comply with their antidiabetes treatment (0.82; 0.79-0.84), to use an ACEi/ARB (0.85; 0.83-0.88) and to use a lipid-lowering drug (0.83; 0.80-0.85). Quality of drug use decreased as the number of different pharmacies increased (linear contrast tests <0.001).Results underscore the important role pharmacists could play in helping their clients with chronic diseases to better manage their drug treatments. Further research is needed to determine to what extent the positive effects associated with pharmacy loyalty are specifically due to pharmacists.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».