这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。
越来越多的人使用药物治疗慢性病;不依从是常见的,导致疾病控制不佳。一个基于网络的工具来识别不依从性增加的风险以及相关的潜在个体障碍,可能有助于定制干预措施并提高依从性。
本研究旨在评估一种旨在改善药物依从性的新开发工具的有效性。
我们对开始使用心血管或口服降血糖药物的患者进行了一项随机对照试验。参与者是从社区药房招募的。他们完成了一份在线调查问卷,其中包括对他们不坚持服药的风险和随后坚持服药的障碍的评估。在属于干预组的药房,药剂师和有高不依从风险的患者在面对面的会议上讨论了在平板上显示的个人障碍,并与他们的全科医生和执业护士分享。药剂师发起了量身定制的干预措施。对照患者的障碍未被提出或讨论,这些患者接受常规护理。主要结局是干预组和对照组患者不依从性风险增加的患者在8个月随访时对药物依从性的干预效果,根据分配数据计算。
来自15个社区药店的492名参与者的数据可供分析(干预253,7家药店;对照239,8家药房)。干预对药物依从性无影响(B= -0.01;95% CI -0.59 ~ 0.57;
这项研究表明,风险分层和量身定制的干预措施对解决个人药物依从性障碍没有效果。确定了缺乏有效性的各种可能的解释。例如,这些解释与对照组的高药物依从性、研究能力和忠诚度有关。过程评价应引出可能的改进,并告知干预和实施的重新设计。
荷兰国家试验登记册NTR5186;https://tinyurl.com/5d8w99hk
坚持慢性药物治疗是有问题的,导致疾病控制不佳,给患者的生活质量和卫生保健系统带来负担[
依从性问题的多面性表明,改善依从性需要针对个别患者进行干预[
系统综述显示,药师在心血管疾病的预防中可以发挥重要作用,主要通过患者教育与咨询、药物安全管理、药物审评、监测与协调、危险因素检测与控制、临床结局等方面发挥作用[
在最近的综述中,据报道心血管和口服降糖药的不依从性很高[
目前,还没有一种工具可以将选择那些有不依从风险的患者和评估他们使用良好药物的个体障碍结合起来,并由护理专业人员提供量身定制的干预措施来克服个体障碍。我们现在开发了一种用户友好的药物依从性工具,包括在线患者问卷中的不依从性风险和障碍评估,药剂师根据图形障碍配置文件进行量身定制的干预的设备,以及干预本身。
本文报道的主要研究问题是:与常规治疗相比,在8个月的随访中,使用药物依从性工具对开始使用心血管或口服降糖药物的患者的药物依从性有什么效果?通过药房调剂数据测量药物依从性。此外,我们评估了药物不依从风险评估和障碍问卷的预测价值。在有效性评估的同时,我们进行了一个过程评估。在这篇文章中,我们只报道了有效性评价。
这是一项集群随机试验,干预组为药店(使用药物依从性工具),对照组为药店(提供常规护理)。本研究的设计在研究方案中有详细说明[
在荷兰,包括的绝大多数患者群体(糖尿病、心血管风险管理)在初级保健中接受治疗。全科医生提供心血管风险管理和糖尿病护理,通常得到护理小组的支持。
在荷兰,在慢性药物治疗开始时,首次配药的患者通常会接受2周的药物治疗。2周后的第二次配药旨在评估首次患者使用该药的体验。只有当患者愿意长期使用该药物时,才会提供长达90天的后续配药。因此,开始使用研究药物的患者(干预组)预计在2周后进行第二次配药。慢性药物的后续配药预计每3个月进行一次。
开发的药物依从性工具是基于不依从性的情感、认知和实际成分。它包括3个要素:患者问卷、药房设备和量身定制的干预措施。所有患者均填写问卷;然而,干预组和对照组在患者信息方面存在差异,从药剂师在第二次配药时可获得的问卷,额外的药学培训,以及通过量身定制的干预来解决潜在风险和障碍的建议。
在线问卷由两部分组成。首先,采用概率药物依从性量表(Probabilistic Medication compliance Scale, ProMAS)测量不依从性风险。ProMAS是一份包含18个项目的有效问卷,用于评估一般的不依从行为[
题目由“是”/“否”答案类别的陈述组成。语句的例子有:“我至少有一次忘记吃药了”;“当我不在家的时候,我偶尔不吃我的药。”跳过的项目与改变药物使用和延迟补药有关,因为这些问题考虑的是长期药物使用的经验。一个考虑到长期用药的原始问题(“在过去的一个月里,我至少有一次忘记服药”)被改编为“从第一次配药开始,我至少有一次忘记服药”。
其次,障碍问卷测量了以下情绪、认知和实践障碍对不依从的存在程度:对药物的感受(情绪)、对副作用的恐惧(情绪)、对药物使用的担忧(情绪和认知)、必要性信念(认知)、对药物的态度(认知)、自我效能感(认知和实际)、不便(实际)和应用药物方案(实际)。障碍问卷是在早期的研究中开发和验证的(数据未显示)。首先,根据文献中关于药物依从性与药物依从性之间关系的现有证据,列出了25个依从性决定因素[
在自我效能方面:“如果我尽了最大的努力,我会按照医生的处方成功地服药。”回答类别:非常不同意/不同意/不确定/同意/非常同意。
在态度方面:“你对你的处方药物是积极的还是消极的?”可能的答案:否定的/有些否定的/中性的/有些肯定的/肯定的。
在领域感受中:“我觉得我宁愿远离我的药物。”回答类别:非常不同意/不同意/不确定/同意/非常同意(得分倒过来)。
障碍问卷的答案被翻译成一个视觉障碍概况,将每个领域呈现为一个圆圈:一个小圆圈对应于“需要更多关注”的障碍;一个更大的圆圈对应于“请求一些关注”;而代表“无障碍”的最大圆圈(
该档案显示了8个潜在的依从障碍:2个情感障碍(
屏障概要文件的一个示例。
干预药剂师和他们的药房助理接受了3小时的培训,包括介绍以患者为中心的激励沟通,演示第二次分发讨论的障碍概况,以及使用角色扮演的技能练习。培训由一位在以病人为中心的沟通技巧方面具有专长的心理学家提供。心理学家指导干预药剂师和他们的药房助理与患者讨论概况,以定制干预措施,以克服个人相关的认知,情感或实际障碍。
干预药房收到一份手册,其中载有讨论和克服各种潜在障碍的说明,作为参考资料,供他们在需要时使用。本手册是根据以患者为中心的沟通原则和专家的意见制定的。该手册就如何解决每一个可能的障碍提出了建议。在开发阶段,一个利益相关者小组参与其中。这个小组包括药剂师、全科医生、通信专家、技术人员和研究人员。
每个药房都提供了一个装有应用程序(BOMM)的药片,该应用程序是专门为参与的患者注册而开发的。
它还为患者提供了在第二次配药时填写问卷的机会,作为那些想参加但之前没有这样做的人的第二次机会。在干预药房,药剂师在第二次配药时使用片剂查看图形障碍概况,并对对话和应用的干预进行记录。对照药房未收到问卷信息,其第二次配药时的咨询照常进行。
在第二次分配时刻,针对不依从性风险增加的干预组患者启动了量身定制的干预。干预开始于对障碍概况的介绍和讨论。在个人面对面的咨询中,药剂师讨论了档案中的相关障碍,试图通过以患者为中心的沟通技术消除或减少这些障碍。药剂师可以使用手册作为参考来源,以解决相关障碍(手册包含解决每个障碍的具体说明)。例如,为了解决必要性信念的认知障碍,干预措施侧重于强调药物的必要性或刺激患者开始自我监测血压或血糖水平,以使药物的效果对他/她更明显,从而提高服用药物的必要性信念。研究小组为患者提供了在研究期间使用的自我监控设备。为了克服缺乏应用药物方案的实际障碍,药剂师可以对药物方案或药片整理器或多剂量药物分配系统进行额外的解释;在某些情况下,也可以提供一种简化的剂量方案。药剂师可以安排一次后续咨询。
药剂师在自动化信息系统中登记干预类型,与药房团队和全科医生共享。这使一般医疗保健专业人员能够注意到干预措施,并注意遵守药剂师的干预措施。
在2家干预药房试点了在日常药房工作流程中实施依从性工具的可行性。根据试点阶段的经验,对工作流程进行了调整,以提高便利性和效率。针对患者和药剂师的研究信息,包括针对患者的说明和针对药店的流程图,在试点期结束后根据试点药店的反馈进行了调整。
研究小组成员拜访了所有参与的药剂师,详细解释了研究和平板电脑上应用程序的使用,并为他们提供了一个易于理解的工作流概念解释。随后,他们还讨论了如何将工作流程概念优化到适合其药房现有的常规工作程序。来自护理组的一位项目组成员在工作时间可以回答研究中出现的问题。最后,药剂师有机会联系其中一名试点药剂师,询问有关研究程序的问题和建议。
此外,干预药房接受了培训师关于以患者为中心的沟通技巧的随访小组会议,以提供支持和交流讨论障碍档案的经验。
在研究期间,社区药剂师、全科医生及其首次开具心血管或口服降糖药处方的患者(ATC代码为A10B、B01AC、C01A、C01D、C03、C07、C08、C09或C10)参与了该试验(见
初级保健合作DOH (De Ondernemende Huisarts或创新全科医生)为本研究招募了药店和全科医生。DOH是荷兰南部的一个全科合作机构,为包括心血管疾病和糖尿病在内的几种常见慢性疾病开发和实施了结构化护理。卫生部与Zuidoost Brabant (CaZo)的区域药剂师组织Stichting Categorale Zorg voor apothekers密切合作。在试验期间,与预期人数相比,患者纳入失败。出于这个原因,我们允许药店也包括一般实践中列出的患者,而不是卫生部合作的一部分。
卫生部与25家药店密切合作,并邀请所有药店参与研究。在试点阶段,两家药店在日常实践中测试了药物依从性工具的使用情况;因此,他们参加了干预组。其他参与的药店通过抽签(由独立研究助理执行)随机分配到干预组或对照组,并告知其分配情况。为了确保小型和大型药店在干预组和对照组中均匀分布,将药店按“规模”分层,分为“大”和“小”(即来自DOH全科医生的注册患者数量)。
卫生部一般做法在研究开始前收到了关于研究的书面信息。他们被鼓励联系研究小组的一名成员,在事情不清楚的情况下提出他们的问题。
此外,他们还被提供了候诊室的资料,包括研究的信息,以提高对研究的认识,从而提高患者的包容性。在研究期间,全科医生被告知研究进展的参与者招募的数量。全科医生和执业护士可以在电子链系统中获得障碍概况和药剂师对干预的记录,因此他们可以根据这些与干预组患者相关的信息,在与患者的后续接触中增加药物依从性。
首次分配心血管或口服降糖药物(上文提到的ATC代码)的DOH GP患者(>18岁),无认知障碍,能够阅读和说荷兰语,符合纳入条件。药房的自动化计算机系统在首次配药ATC级别5的任何药物(例如辛伐他汀)时提醒药剂师。然而,本研究的纳入标准在定义药物类别(ATC级别3,例如他汀类药物)中的首次处方方面更为严格。因此,在收到第一次配药的警报后,药剂师必须检查该处方是否与所研究的药物有关,以及该配药是否涉及患者去年在该药物类别中服用的第一种药物。药剂师告知符合条件的患者有关研究的情况,向他们提供包含知情同意书的信息包,并邀请他们参加。有兴趣参与的人士已登记。我们只纳入了那些交回签署了知情同意书的患者。在第一次配药一周后,这些患者通过电子邮件或纸质问卷收到在线问卷的链接。
对所有患者从心血管血液或口服降糖药物和第一次从卫生署医生处方,医生开始治疗方案在电子信息系统(称为链信息系统),GPs和药店使用在他们当前的日常实践报告病人的条件和实验室结果,这是访问不同链中的护理人员参与病人的护理(如医生、药剂师,护士)。对于在具有高不依从性风险的干预药房的患者,药剂师可以访问图形障碍概况(见
该研究由阿纳姆-奈梅亨地区Mensgebonden Onderzoek委员会(CMO)当地医学研究伦理委员会(注册号2015-1604)审查并批准。
在他们第一次访问药房时,符合条件的患者被邀请参加,并收到一个包含研究信息和知情同意书的包。此外,我们征求了参与研究的药房和全科医生的知情同意,以分享有关参与研究的患者的病情和药物使用的数据。
修订后的ProMAS问卷由15或17个问题组成,具体取决于研究前的慢性药物使用情况。ProMAS的每个问题有两个答案类别,总分最高为15分或17分。在18个项目的ProMAS中,处于不遵守风险的临界值为14。当我们跳过一个问题时,我们务实地将临界值降低到13:得分≤13的患者被归类为不依从风险增加,而得分高于13的患者则没有。我们对只需回答15个问题的患者使用相同的截止值,以尽量减少排除可能增加不依从风险的患者的可能性。干预组和对照组均在治疗开始后2周(基线)和随访8个月时应用修订后的ProMAS。在随访测量中,所有患者都接受了17项修订的ProMAS问卷。修订后的基线ProMAS评分标志着不依从风险,并显示患者是否有资格进行干预,而对照组数据用于评估修订后的ProMAS的预测值。干预对修订后的ProMAS评分在随访时的有效性是次要的结果测量。
与不依从风险类似,在纳入和随访时以及干预组和对照组均对障碍进行了评估。基线的结果为信息图提供了信息,因此干预组中修改后的ProMAS评分表明高不依从性风险的患者进行了干预。纳入对照组时的数据用于评估障碍问卷的预测价值。随访结果用于评估对障碍的干预效果。
用药依从性以用药覆盖天数百分比(PDC)计算,基于1个药物组从治疗开始到8个月后随访的药房调剂数据。PDC的分母是第一次配药后8个月内的天数。对于PDC的分子,我们计算服药的天数。由于后续分配较晚,导致可用性存在差距,导致PDC较低。
我们以二分类的方式使用PDC,并将其作为连续测量。根据Haynes对充分坚持服用降压药(即至少80%的药物服用)的经验定义,PDC值至少为80%的患者被标记为“坚持服用”。虽然这可能取决于所使用的特定药物,但该临界值在文献中通常用作不依从的临界值[
计算每个用药组的PDCs (
随访期设定为8个月,包括至少两个随访处方,每个处方在第一次配药2周后3个月。在参与的药房中,以匿名的方式接收了干预和对照药房所纳入患者的PDC信息。
主要结局是干预组和对照组患者在8个月的随访后对药物依从性的有效性(PDC二分法为≥80%覆盖天数,PDC为连续测量)。
经过8个月的随访,干预组和对照组之间基于修订ProMAS的不依从性风险增加的患者百分比的差异。
干预对综合障碍评分的有效性(见“数据分析”部分)。
(1)修订后的ProMAS评分和(2)对照组在基线时测量的障碍概况在8个月随访时与药物依从性相关的阳性和阴性预测值。
在研究方案中,我们制定了与患者亚组的药物依从性相关的次要结局,随访期至少为一年。由于数据可能很容易获得,这将是一种研究效果是否会持续的方法。我们没有使用这个结局,因为我们发现8个月后的主要结局没有效果。
对于样本量的计算,我们假设样本中60%的高风险患者,根据他们修订的ProMAS评分,将是非粘附性的(定义为PDC <80%),干预组中PDC≥80%的患者与对照组相比增加了20% [
在护理组的试验中,我们预计至少有14家社区药店参与。样本量计算表明,每家药房需要39名高危不依从患者(功率80%,1型误差5%;PASS软件版本11)。
为了评估两组之间的差异,我们进行了线性和逻辑混合模型多水平分析,并对潜在的混杂因素(患者年龄、性别、诊断[是否患有糖尿病])进行了调整。我们计划控制慢性用药的药物数量,但缺乏相关数据。
我们比较了干预组和对照组之间药物依从性的差异,采用二分法(PDC <80% vs PDC≥80%)和连续结果测量。我们进行意向治疗分析。
在研究期间,来自过程评估(例如,患者访谈)的数据表明,干预措施并不总是适用。事后我们对每个方案进行了相同的分析。在干预组中,我们只包括那些我们有证据证明他们确实接受了干预的患者(基于电子链系统中的干预说明或来自过程评估的问卷或访谈数据),并将这些患者与对照组的患者进行比较。
在分析过程中,我们发现对照条件下的依从率比预期的要高得多。因此,我们测试了在对照药房开始研究用药的所有患者和我们在对照组的研究样本之间的二分类依从性是否不同,对照组是这一更大患者群体的一部分。依从性基于PDC,评估方法与研究人群相同。我们使用卡方检验。
我们通过固定的分界点(得分≤13与>13)和随访时各组之间的平均得分比较干预组与对照组之间修订后的ProMAS评分的差异。
进一步的二次分析评估了干预组和对照组之间复合屏障概况评分的差异。对于这个结果,我们计算了一个基于剖面呈现的复合屏障评分。每个障碍得分为1(表明严重障碍),2(可能需要注意的障碍)或3(无障碍)。我们将8个障碍分数相加,形成8 - 24分的综合障碍分数,分数越高表示障碍越少。
修订后的ProMAS评分的预测值是基于修订后的ProMAS和PDC评分二分类的交叉表来计算的。所有这些分析均使用SPSS软件(版本25;IBM公司)。
最后,使用机器学习评估屏障轮廓的预测价值,在R [
为了评估预测模型的性能,采用了10倍交叉验证[
共有15家社区药店参与,其中干预组7家,对照组8家。
总共有1405名患者登记参加了这项研究。其中806人完成了第一份调查问卷,并返回了一份签署的知情同意书。在这806例患者中,有684例患者的药学资料可查。我们必须排除192例患者,因为根据研究标准,他们不是其药物组的起始者(而是转换者或重新开始者),或者因为他们没有从我们预定义的组中开始慢性药物治疗,因此不符合纳入条件。因此,为了进行分析,我们最终获得了来自492名患者的可用数据。在干预组中,129/253例患者(51.0%)有修订的ProMAS评分,表明高不依从风险;对照组为115/239例(48.1%)。
病人的特点。
特征 | 干预组(n=253) | 对照组(n=239) |
女性,n (%) | 127 (50.2) | 107 (44.8) |
年龄,平均(SD) | 63.7 (10.8) | 62.5 (10.6) |
开始研究用药前的慢性用药,n (%) | 194 (76.7) | 185 (77.4) |
在糖尿病疾病管理项目中,n (%) | 39 (15.4) | 43 (18.0) |
修订ProMAS一个平均得分(SD) | 12.8 (3.3) | 12.9 (3.0) |
修正ProMAS评分≤13,n (%) | 129 (51.0) | 115 (48.1) |
综合障碍评分,平均值(SD) | 19.4 (2.34) | 19.3 (2.26) |
第二次调查完成,n (%) | 188 (74.3) | 182 (76.2) |
一个概率药物依从性量表。
我们的主要终点,8个月后的药物依从性,干预组为65.1%(84/129),对照组为66.1%(76/115)。干预组与对照组比较差异无统计学意义(B= -0.01;95% CI -0.59 ~ 0.57;
将PDC作为一个连续的结果来分析数据,得出了可比较的结果(干预效果:B= -0.74;95% CI -11.0 ~ 9.5;
在我们的事后方案分析中,我们比较了干预组中74/129接受干预的患者的药物依从性(71例基于信息系统中的记录,另外3例基于患者访谈的数据)与对照组的115例患者。两组药物依从性差异无统计学意义(B=0.19;95% CI -0.50 ~ 0.89;
研究期间在对照药房开始研究用药的患者服药依从率为47.79%(2471/5170)。这与对照样本的72.8%(174/239)有显著差异(
共有370名患者填写了第一次和第二次调查。在干预组中,55.3%(104/188)在随访8个月时的修正ProMAS评分较低,表明不依从性风险较高;对照组51.6%(94/182)的修正ProMAS评分较低。修正后的ProMAS平均得分分别为12.64分和12.74分(
控制药房的聚类、修订后的ProMAS评分、年龄、性别和疾病管理方案(是否患有糖尿病),干预效果不显著(B=0.05;95 CI -0.46 ~ 0.57;
我们评估了屏障剖面干预的有效性。随访时,对照组和干预组的障碍平均得分分别为19.7分和19.9分。控制了药房的聚类、纳入时的障碍概况、年龄、性别和疾病管理方案(是否患有糖尿病),干预的效果不显著(B=0.11;95% CI -0.49 ~ 0.71;
我们对所有239名对照组患者的数据(所有数据均在
修订ProMAS评分与药物依从性。
修订ProMAS一个分数 | 药物依从性 | ||
不依从 | 附着 | 总计 | |
≤13 | 39 | 76 | 115 |
≥14 | 26 | 98 | 124 |
总计 | 65 | 174 | 239 |
一个概率药物依从性量表。
屏障概况由8个个体屏障评分组成,用于训练机器学习算法,以预测8个月时的依从性。
将随机森林模型应用于验证集(102/239例)得到以下结果:阳性预测值为74%;阴性预测值80%;敏感度76%。
三种机器学习技术(随机森林,核支持向量机[ksvm]和广义线性模型)的性能。结果是10倍交叉验证的平均结果,并与障碍评估调查中答案的预测值有关。
在糖尿病或心血管药物的起始者中,我们发现在8个月的随访中,我们的干预对药物依从性没有影响。此外,在8个月的随访中,干预没有显著改变药物依从性风险和障碍的次要结局。相反,接受程序化的糖尿病护理与较高的药物依从性相关。
修改后的ProMAS问卷对风险评估的阳性预测值为34%,阴性预测值为79%。灵敏度为60%。障碍问卷的预测值分别为74%和80%。
下面我们讨论几个可能影响结果的因素:(1)对照组的依从性很高,几乎没有改善的余地;(2)我们的研究缺乏有效性,最终符合分析条件的患者数量低于预期;(3)干预组药师实施干预的忠诚度低于预期(很多患者实际上没有接受干预);(4)修正后的ProMAS预测不依从的准确性有限;(5)实施干预的质量可能不够理想;(6)在护理链中增强干预影响的机会没有得到充分利用。
我们研究的一个重要障碍是——它本身是非常积极的——在对照组中发现了高药物依从性水平:66.1%(76/115)的高不依从性风险患者的PDC超过80%。许多患者仅通过常规护理就已经达到了100%的最佳PDC,这就没有改善的余地了。虽然我们没有数据证明这一点,但我们预计,重复处方服务和多剂量配药系统可能会导致更多患者的PDC达到100%。当在研究患者中提供更多时,这可能被视为一种交叉形式。
我们对样本量计算的假设是基于文献中50%的平均依从性数据。在对照药房开始研究用药的所有患者的依从性为47.79%(2471/5170),证实了这一百分比。我们样本中的高药物依从性产生了几种可能的解释。首先,这可能是由于药房在第一次配药时邀请患者阶段的选择。选择偏差也可能发生在患者层面:认为药物依从性重要的患者可能更愿意参与研究。对我们研究样本中高依从率的另一种解释可能是所谓的山楂效应:知道你参与了一项研究将影响你的行为[
我们通过药房分配数据来操作药物依从性,这可能会受到批评。PDC作为依从性的替代指标是一种保守的非持续性指标,没有考虑非起始性[
第二,干预并不总是提供给那些被选中的病人。所有经修订的ProMAS评分表明有高不依从风险的患者都必须在多学科电子文件中提供干预笔记。从缺少记录和在过程评估中收集的患者信息中,我们了解到许多符合条件的患者没有接受干预。清晰的描述、灵活的时间管理、简单的患者参与和任务委派可以提高干预的参与度[
在我们的每个方案分析中,我们只包括那些实际提供干预的患者。然而,在这个较小的样本中,我们没有发现影响。
第三,每月纳入的患者数量远低于预期。因此,研究小组在支持药房邀请患者方面付出了很大的努力,我们允许他们从全科医生以外的全科医生护理组中纳入合格患者,从而增加了合格患者的潜力。尽管如此,我们还是没有达到计算的样本量。此外,我们最终得出每家药房纳入的患者数量之间存在很大差异。簇大小的变化需要更高的数字来达到相同的统计功率水平[
第四,预测不依从风险的准确性有限。与其他依从性问卷相比,我们更倾向于使用修订后的ProMAS问卷,因为它测量的是行为,而不是信念、态度和意图[
第五,提供干预措施的质量可能不够理想。在项目开始之前,药剂师接受了3小时的沟通技巧和干预措施交付培训。在干预期间,对药师进行额外的培训,以提高他们的沟通能力。过程评估显示,该培训主要用于讨论患者融入的困难,因此沟通技巧可能没有达到预期的水平。
第六,药房与全科医生在加强干预方面的合作没有发生。此外,药剂师没有为患者提供测量血压或血糖的设备,尽管我们提供了这种方法来提高患者的积极性[
改进我们的干预可以应用多种因素。基于不依从性风险和依从性障碍对患者进行分析的基本原则似乎与一般提供个性化护理的趋势相一致,并且更具体地与根据患者需要量身定制药物依从性干预的趋势相一致。
改进病人选择的工具将有助于把精力放在最有益的地方。修正后的ProMAS阳性预测值和阴性预测值分别为34%和79%。在他们的研究报告中,Lam和Fresco [
此外,从药房可获得的调剂数据来看,应该有可能只向长期用药的患者提供干预,而不及时收集他们的药物。
屏障概况的预测值评估显示,与修订后的ProMAS相比,对目标患者的结果更好,这表明测量的屏障与药物依从性有关。
加强卫生保健专业人员之间的合作是加强干预的另一种可能方式。当在一般实践中,障碍概况和来自药剂师干预的数据在链系统中直接可见时,全科医生和执业护士可以建立在干预的基础上,或者至少支持和强调它。在我们的研究中,一般实践不支持这种干预。
如上所述,样本量是我们研究的一个重要限制。我们没有纳入所需的患者编号,大约100名参与者的用药数据无法链接。近200名患者不符合条件,因为他们不是其中一种试验药物的“初学者”。为了增加患者的招募,我们允许那些几乎没有设法纳入患者的药剂师纳入其他护理组的全科医生列出的患者。虽然我们不期望对结果产生影响,但资格的变化是一个限制。
另一个限制是,我们必须为那些尚未服药的患者调整ProMAS问卷。因此,我们使用的版本(不包括问题)没有被正式验证为原始版本。在开始服药后不久测量不依从风险可能会导致稍微积极的不依从风险,因为某些项目的具体情况的性质和这些情况在短时间内发生的机会比在较长的时间内减少(例如,当我离开家时,我偶尔不吃药)。然而,我们使用了一个自由的临界值,从而降低了遗漏任何不依从性风险增加的患者的机会。
在我们的研究中,我们无法控制多药。服用药物并开始服用另一种药物(附加药物)的患者与服用第一种药物的患者处于另一种情况。虽然更多的药物会增加更多的困难,但它也可以增强对现有治疗方案的依从性。
我们研究的一个重要优势是试验设计,药房是随机的,分析考虑了患者聚类。这是通过与一家提供用户友好技术的工业公司以及护理专业人员与其护理小组政策制定者的合作实现的。这项研究是在日常实践中进行的,经过了一个试点阶段,以定制工艺和材料。
通过跳过剂量减少用药并在一段时间后停止用药可能导致相同的PDC,表明不依从性。因此,我们的PDC数据不能得出不依从类型的结论。
与常规治疗相比,我们为心血管或糖尿病患者量身定制的干预并没有提高药物依从性。然而,针对那些不依从风险增加的患者的个体障碍量身定制的干预措施似乎是符合当前个性化护理政策的好策略。一项更好地选择那些可能受益的患者并更好地实施干预的研究可能会显示出积极的结果。
从列出的ATC代码开始使用心血管或口服降糖药物的患者符合纳入条件。
concont - ehealth检查表(V 1.6.1)。
解剖治疗化学
开始在Maat bij医学中心工作
在苏东省布拉班特省进行分类研究
委员会委员
De Ondernemende Huisarts
全科医生
承保天数百分比
概率药物依从性量表
我们感谢区域药剂师组织Zuidoost Brabant (CaZo)的Stichting Categorale Zorg voor apothekers和全科医生合作组织De Ondernemende Huisarts (DOH)的合作。本研究的资金由飞利浦公司提供。
两位作者(JL和AvH)是飞利浦公司的受薪员工。其他作者(JvL和MT)是Radboudumc医疗保健质量科学中心(IQ Healthcare)的受薪专业人员。IQ医疗保健得到了飞利浦的资助。