Latent Class Analysis and Influencing Factors of Medication Adherence in Multiple Chronic Conditions Patients

doi:10.12114/j.issn.1007-9572.2022.0340

Chinese General Practice ›› 2022, Vol. 25 ›› Issue (31): 3904-3913.DOI: 10.12114/j.issn.1007-9572.2022.0340

Special Issue: 共病最新文章合集

• Article·Focus on Population Health • Previous Articles Next Articles

Latent Class Analysis and Influencing Factors of Medication Adherence in Multiple Chronic Conditions Patients

1.School of Nursing and Health, Zhengzhou University, Zhengzhou 450001, China
2.College of Public Health, Zhengzhou University, Zhengzhou 450001, China
3.Nursing Department, Luoyang Central Hospital Affiliated to Zhengzhou University, Luoyang 471009, China

Received:2022-04-25 Revised:2022-09-05 Published:2022-11-05 Online:2022-09-19
Contact: ZHANG Zhenxiang
About author:
ZHANG Z X, HE F P, ZHANG C H, et al. Latent class analysis and influencing factors of medication adherence in multiple chronic conditions patients [J] . Chinese General Practice, 2022, 25 (31) : 3904-3913.

慢性病共病患者服药依从性潜在类别及其影响因素分析

1.450001　河南省郑州市，郑州大学护理与健康学院
2.450001　河南省郑州市，郑州大学公共卫生学院
3.471009　河南省洛阳市，郑州大学附属洛阳中心医院护理部

通讯作者: 张振香
作者简介:
张振香，何福培，张春慧，等.慢性病共病患者服药依从性潜在类别及其影响因素分析[J].中国全科医学，2022，25（31）：3904-3913.[www.chinagp.net] 作者贡献：张振香负责研究的设计、实施、文章质量控制及审校，并对文章整体负责、监督管理；何福培负责数据的整理、结果的分析与解释、论文撰写与修订；平智广负责统计学处理；张春慧、林蓓蕾负责论文的修订；郭惠娟负责数据的收集。
基金资助:
河南省科技攻关项目——基于mHealth的社区多重慢病用药安全管理：以家庭为中心的随机对照研究(182102310198)

Abstract

Abstract:

Background

The cases of multiple chronic conditions are increasing yearly, yet their medication adherence is unsatisfactory though taking medication as prescribed is recognized as the most effective measure to manage chronic diseases. To improve the prevention and control of chronic diseases, it is crucial to identify the causes and influencing factors of non-compliance in multiple chronic conditions patients.

Objective

To classify the medication adherence and to identify the associated factors of each class of medication adherence in multiple chronic conditions patients.

Methods

This investigation was conducted between July and September 2021 with a convenience sample of 267 inpatients from two tertiary A general hospitals of Henan Province using the Chinese version of Beliefs about Medicines (BMQ-C) , the Chinese version of 8-item Morisky Medication Adherence Scale (MMAS-8-C) , and the Medication Knowledge Scale (MKS) . Latent class analysis was used to classify the medication adherence. Demographic characteristics, medication use, medication knowledge and medication beliefs were compared by the class of medication adherence. Multiple Logistic regression was used to explore the associated factors of each class of medication adherence.

Results

The medication adherence of the participants was divided into three latent classes, namely subjective poor medication adherence, overall poor medication adherence, and overall good medication adherence, and the prevalence of the three classes was 18.0%, 34.4% and 47.6%, respectively. The education level, occupational status after an illness, living situation, household monthly income per person, financial resources, prevalence of having pharmacist guidance, number of medications, frequency of taking medication, years of taking medication, the BMQ-C score, and MKS score in the participants differed significantly by the class of medication adherence (P<0.05) . By multiple Logistic regression analysis, compared with patients with subjective poor medication adherence, those with overall good medication adherence had higher prevalence of having pharmacist guidance, and higher average scores of BMQ-C and MKS, and lower prevalence of retirement due to illness and offspring's support as the only financial resource (P<0.05) . Compared with those with overall poor medication adherence, those with overall good medication adherence had higher prevalence of retirees, taking medication once a day, and having pharmacist guidance, as well as higher average scores of BMQ-C and MKS (P<0.05) .

Conclusion

The medication adherence in these multiple chronic conditions patients could be classified into three latent classes. More attention should be given to those who were retired due to illness or financially supported by their children, because they were prone to having poor medication adherence. Those who had lower frequency of medication use, medication guidance from a pharmacist, and higher levels of medication knowledge and beliefs were prone to having good medication adherence.

Key words: Multiple chronic conditions, Medication adherence, Latent class analysis, Root cause analysis

摘要：

背景

慢性病共病患者比例逐年上升，遵医嘱服药被认为是慢性病管理的有效措施。目前，慢性病共病患者的服药依从性仍有待提高，明确慢性病共病患者服药不依从的原因及影响因素对于慢性病的防控至关重要。

目的

对慢性病共病患者服药依从性进行分类，分析慢性病共病患者服药依从性类别的影响因素。

方法

于2021年7—9月，采用便利抽样法，在河南省2家综合性三级甲等医院选取住院患者267例，采用中文版服药信念特异性问卷（BMQ-Specific）、中文版8条目Morisky服药依从性量表（MMAS-8）、用药知识问卷等对患者进行调查，应用潜在类别分析对慢性病共病患者服药依从性进行分类。比较不同服药依从性类别慢性病共病患者在人口学特征、用药情况、用药知识和服药信念等方面的差异，采用多元Logistic回归分析慢性病共病患者服药依从性类别的影响因素。

结果

潜在类别分析结果显示，慢性病共病患者服药依从性可分为3个潜在类别：主观服药依从性不佳组（潜在类别概率为18.0%）、整体服药依从性较差组（潜在类别概率为34.4%）和整体服药依从性较优组（潜在类别概率为47.6%）；不同服药依从性类别群体受教育程度、患病后工作情况、居住情况、家庭人均月收入、收入来源、获药师指导者占比、服药种数、服药频率、服药年限、中文版BMQ-Specific得分、用药知识问卷得分比较，差异有统计学意义（P<0.05）。多元Logistic回归结果显示：相对于主观服药依从性不佳组，获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组，因病退休、收入来源为子女赡养费者更不易入整体服药依从性较优组（P<0.05）；相对于整体服药依从性较差组，已退休者、服药频率为1次/d者、获药师指导者、中文版BMQ-Specific得分较高者、用药知识问卷得分较高者更易入整体服药依从性较优组（P<0.05）。

结论

慢性病共病患者服药依从性存在3个潜在类别，因病退休、收入来源为子女赡养费者更有可能出现服药依从性不佳的情况，应多关注其服药依从性情况；低服药频率、获药师指导，以及服药知识、信念水平高可预测慢性病共病患者整体服药依从性较优。

关键词: 慢性病共病, 服药依从性, 潜在类别分析, 影响因素分析

ZHANG Zhenxiang,HE Fupei,ZHANG Chunhui, et al. Latent Class Analysis and Influencing Factors of Medication Adherence in Multiple Chronic Conditions Patients[J]. Chinese General Practice, 2022, 25(31): 3904-3913. DOI: 10.12114/j.issn.1007-9572.2022.0340.
张振香,何福培,张春慧等. 慢性病共病患者服药依从性潜在类别及其影响因素分析[J]. 中国全科医学, 2022, 25(31): 3904-3913. DOI: 10.12114/j.issn.1007-9572.2022.0340.

Figures/Tables 5

References 40

[1]	World Health Organization. The world health report 2008：primary health care now more than ever[EB/OL]. [2021-10-15].
[2]	王卓群，赵文华. 我国慢性病防控工作回顾与展望[J]. 中华疾病控制杂志，2019，23（9）：1025-1028，1036. DOI：10.16462/j.cnki.zhjbkz.2019.09.001.
[3]	ZHAO Y, ATUN R, OLDENBURG B，et al. Physical multimorbidity，health service use，and catastrophic health expenditure by socioeconomic groups in China：an analysis of population-based panel data[J]. Lancet Glob Health，2020，8（6）：e840-849. DOI：10.1016/S2214-109X(20)30127-3.
[4]	NEIMAN A B, RUPPAR T, HO M，et al. CDC Grand Rounds：improving medication adherence for chronic disease management-innovations and opportunities[J]. Am J Transplant，2018，18（2）：514-517. DOI：10.1111/ajt.14649.
[5]	NEIMAN A B, RUPPAR T, HO M，et al. CDC Grand Rounds：improving medication adherence for chronic disease management-innovations and opportunities[J]. MMWR，2017，66（45）：1248-1251. DOI：10.15585/mmwr.mm6645a2.
[6]	DECLERCQ J, CHOI L. Statistical considerations for medication adherence research[J]. Curr Med Res Opin，2020，36（9）：1549-1557. DOI：10.1080/03007995.2020.1793312.
[7]	GOMES D, PLACIDO A I, MÓ R，et al. Daily medication management and adherence in the polymedicated elderly：a cross-sectional study in Portugal[J]. Int J Environ Res Public Health，2019，17（1）：200. DOI：10.3390/ijerph17010200.
[8]	张莎，王婧，祝德秋. 社区老年慢病患者药物相关问题评估及影响因素分析[J]. 中南药学，2020，18（6）：1046-1051. DOI：10.7539/j.issn.1672-2981.2020.06.030.
[9]	FOLEY L, LARKIN J, LOMBARD-VANCE R，et al. Prevalence and predictors of medication non-adherence among people living with multimorbidity：a systematic review and meta-analysis[J]. BMJ Open，2021，11（9）：e044987. DOI：10.1136/bmjopen-2020-044987.
[10]	CORNELIUS T, VOILS C I, BIRK J L，et al. Identifying targets for cardiovascular medication adherence interventions through latent class analysis[J]. Health Psychol，2018，37（11）：1006-1014. DOI：10.1037/hea0000661.
[11]	GRUNWELL J R, GILLESPIE S, MORRIS C R，et al. Latent class analysis of school：age children at risk for asthma exacerbation[J]. J Allergy Clin Immunol Pract，2020，8（7）：2275-2284. DOI：10.1016/j.jaip.2020.03.005.
[12]	陈娟，曹秉蓉，高庆，等.三级甲等医院护理人员智谋现状及潜在类别分析[J].护理学杂志，2020，35（11）：49-53. DOI：10.3870/j.issn.1001-4152.2020.11.049.
[13]	BLALOCK D V, BOSWORTH H B, REEVE B B，et al. Co-occurring reasons for medication nonadherence within subgroups of patients with hyperlipidemia[J]. J Behav Med，2019，42（2）：291-299. DOI：10.1007/s10865-018-9954-3.
[14]	HORNE R, WEINMAN J. Patient's beliefs about prescribed medicines and their role in adherence to treatment in chronic physical illness[J]. J Psychosom Res，1999，47（6）：555-567. DOI：10.1016/s0022-3999(99)00057-4.
[15]	吕扬，李峥，韩美英，等.服药信念量表中文版在老年抑郁症患者中的信效度研究[J].中华护理杂志，2014，49（4）：389-393. DOI：10.3761/j.issn.0254-1769.2014.04.001.
[16]	MORISKY D E, ANG A, KROUSEL-WOOD M，et al. Predictive validity of a medication adherence measure in an outpatient setting[J]. J Clin Hypertens（Greenwich），2008，10（5）：348-354. DOI：10.1111/j.1751-7176.2008.07572.x.
[17]	司在霞，郭灵霞，周敏，等.修订版Morisky服药依从性量表用于抗凝治疗患者的信效度检测[J].护理学杂志，2012，27（22）：23-26. DOI：10.3870/hlxzz.2012.22.02.
[18]	马向芹. 我国老年慢性病患者患病及用药状况研究[D]. 开封：河南大学，2015.
[19]	马佳慧，刘国莲，郑连花，等. 社区女性乳腺癌防治行为的潜在类别及其影响因素研究[J]. 中国全科医学，2022，25（28）：3515-3522，3530. DOI：10.12114/j.issn.1007-9572.2022.0477.
[20]	吴丽红，刘宇，宋桂云，等.住院老年慢性病病人服药依从性与健康素养的相关性研究[J].护理研究，2018，32（11）：1803-1806. DOI：10.12102/j.issn.1009-6493.2018.11.038.
[21]	MUELA H C, COSTA-HONG V A, YASSUDA M S，et al. Hypertension severity is associated with impaired cognitive performance[J]. J Am Heart Assoc，2017，6（1）：e004579. DOI：10.1161/JAHA.116.004579.
[22]	关倍倍，陈长香.自理能力和病前行为习惯对脑卒中高血压共病患者记忆功能的影响[J].现代预防医学，2020，47（10）：1837-1839，1883.
[23]	汤华萍，李刚，方芳，等.针对性记忆策略对老年糖尿病患者认知及记忆功能的影响[J].中国老年学杂志，2021，41（21）：4765-4767. DOI：10.3969/j.issn.1005-9202.2021.21.052.
[24]	AL-GANMI A H A, ALOTAIBI A, GHOLIZADEH L，et al. Medication adherence and predictive factors in patients with cardiovascular disease：a cross-sectional study[J]. Nurs Health Sci，2020，22（2）：454-463. DOI：10.1111/nhs.12681.
[25]	SEMAHEGN A, TORPEY K, MANU A，et al. Psychotropic medication non-adherence and its associated factors among patients with major psychiatric disorders：a systematic review and meta-analysis[J]. Syst Rev，2020，9（1）：17. DOI：10.1186/s13643-020-1274-3.
[26]	李施恩，李壮苗，燕文娟，等.赋能教育对脑卒中患者康复效果的系统评价[J].中华护理教育，2021，18（12）：1091-1097. DOI：10.3761/j.issn.1672-9234.2021.12.006.
[27]	UCHMANOWICZ B, JANKOWSKA E A, UCHMANOWICZ I，et al. Self-reported medication adherence measured with Morisky Medication Adherence Scales and its determinants in hypertensive patients aged≥60 years：a systematic review and meta-analysis[J]. Front Pharmacol，2019，10：168. DOI：10.3389/fphar.2019.00168.
[28]	MAHMOOD S, JALAL Z, HADI M A，et al. Prevalence of non-adherence to antihypertensive medication in Asia：a systematic review and meta-analysis[J]. Int J Clin Pharm，2021，43（3）：486-501. DOI：10.1007/s11096-021-01236-z.
[29]	PENDER N J, WALKER S N, SECHRIST K R，et al. Predicting health-promoting lifestyles in the workplace[J]. Nurs Res，1990，39（6）：326-332.
[30]	王瑞娟. 甘肃省三市养老机构老年慢性病患者服药依从性研究[D]. 兰州：兰州大学，2020.
[31]	ZHAO S, ZHAO H, WANG X，et al. Factors influencing medication knowledge and beliefs on warfarin adherence among patients with atrial fibrillation in China[J]. Patient Prefer Adherence，2017，11：213-220. DOI：10.2147/PPA.S120962.
[32]	汪敏生，龚洁，严亚琼，等.高血压知识对老年高血压患者服药依从性影响研究[J].中国社会医学杂志，2018，35（3）：252-255. DOI：10.3969/j.issn.1673-5625.2018.03.011.
[33]	MCCULLEY C, KATZ P, TRUPIN L，et al. Association of medication beliefs，self-efficacy，and adherence in a diverse cohort of adults with rheumatoid arthritis[J]. J Rheumatol，2018，45（12）：1636-1642. DOI：10.3899/jrheum.171339.
[34]	刘诗盈，王爱平，金锋，等.乳腺癌患者内分泌治疗依从性和服药信念的现状及相关性研究[J].中国医科大学学报，2017，46（8）：698-702. DOI：10.12007/j.issn.0258-4646.2017.08.007.
[35]	WORMALL S, ABBOT S. Primary care clinical pharmacists and chronic disease medication adherence[J]. Br J Gen Pract，2021，71（712）：496. DOI：10.3399/bjgp21X717485.
[36]	杨怡，姚慧娟，徐安妮，等. 临床药师开展用药教育提高患者用药依从性[J]. 医药导报，2017，36（z1）：131-132. DOI：10.3870/j.issn.1004-0781.2017.z1.063.
[37]	LIU S, LIU Y, ZHANG T，et al. The developing family doctor system：evidence from the progress of the family doctor signing service from a longitudinal survey（2013—2016）in Pudong New Area，Shanghai[J]. BMC Fam Pract，2021，22（1）：11. DOI：10.1186/s12875-020-01353-0.
[38]	BANH H L, CAVE A J. A de novo pharmacist-family physician collaboration model in a family medicine clinic in Alberta，Canada[J]. Pharmacy（Basel），2021，9（2）：107. DOI：10.3390/pharmacy9020107.
[39]	施利波，朱田柱，沈美，等. 药师参与家庭医生团队实施药学服务对高血压治疗的影响[J]. 药学服务与研究，2021，21（6）：424-427. DOI：10.5428/pcar20210606.
[40]	彭一航，方琴，谢莉玲，等.不同类型养老机构老年人服药依从性调查[J].中国护理管理，2020，20（3）：348-354. DOI：10.3969/j.issn.1672-1756.2020.03.008.

排序	病种	例数	百分比（%）
1	高血压	177	66.3
2	脑卒中	158	59.2
3	糖尿病	146	54.7
4	冠心病	99	37.1
5	高脂血症	69	25.8
6	慢性胃炎	42	15.7
7	关节炎	41	15.4
8	慢性肾脏病	38	14.2
9	慢性乙型肝炎	35	13.1
10	COPD	31	11.6
11	哮喘	27	10.1
12	白内障	25	9.4

排序	病种	例数	百分比（%）
1	高血压	177	66.3
2	脑卒中	158	59.2
3	糖尿病	146	54.7
4	冠心病	99	37.1
5	高脂血症	69	25.8
6	慢性胃炎	42	15.7
7	关节炎	41	15.4
8	慢性肾脏病	38	14.2
9	慢性乙型肝炎	35	13.1
10	COPD	31	11.6
11	哮喘	27	10.1
12	白内障	25	9.4

模型	对数似然比检验值	AIC值	BIC值	EI	LMR P值	BLRT P值	类别概率
1	-875.239	1 766.479	1 791.130	－	－	－	1.000
2	-728.099	1 490.198	1 542.582	0.941	<0.001	<0.001	0.466/0.534
3	-706.925	1 465.850	1 545.966	0.888	0.016	<0.001	0.180/0.344/0.476
4	-688.606	1 447.211	1 555.061	0.891	0.027	<0.001	0.385/0.323/0.112/0.180
5	-675.453	1 438.905	1 574.487	0.922	0.197	<0.001	0.348/0.093/0.099/0.224/0.236

模型	对数似然比检验值	AIC值	BIC值	EI	LMR P值	BLRT P值	类别概率
1	-875.239	1 766.479	1 791.130	－	－	－	1.000
2	-728.099	1 490.198	1 542.582	0.941	<0.001	<0.001	0.466/0.534
3	-706.925	1 465.850	1 545.966	0.888	0.016	<0.001	0.180/0.344/0.476
4	-688.606	1 447.211	1 555.061	0.891	0.027	<0.001	0.385/0.323/0.112/0.180
5	-675.453	1 438.905	1 574.487	0.922	0.197	<0.001	0.348/0.093/0.099/0.224/0.236

组别	例数	年龄〔n（%）〕				性别〔n（%）〕		受教育程度〔n（%）〕
组别	例数	<60岁	60~69岁	70~79岁	≥80岁	男	女	小学及以下	初中	高中或中专	专科及以上
主观服药依从性不佳组	48	4（8.3）	27（56.3）	17（35.4）	0	21（43.8）	27（56.3）	26（54.2）	11（22.9）	9（18.7）	2（4.2）
整体服药依从性较差组	92	7（7.6）	59（64.1）	25（27.2）	1（1.1）	51（55.4）	41（44.6）	57（62.0）	25（27.2）	9（9.8）	1（1.1）
整体服药依从性较优组	127	21（16.5）	46（36.2）	52（40.9）	8（6.3）	59（46.5）	68（53.5）	60（47.2）	33（26.0）	17（13.4）	17（13.4）
统计量值		2.937^a				2.382^b		15.969^b
P值		0.230				0.304		0.014
组别	患病后工作情况〔n（%）〕					婚姻状况〔n（%）〕
组别	继续工作	因病退休	已退休	无业	其他	未婚	已婚	离婚	丧偶
主观服药依从性不佳组	5（10.4）	6（12.5）	15（31.3）	19（39.6）	3（6.3）	1（2.1）	36（75.0）	1（2.1）	10（20.8）
整体服药依从性较差组	12（13.0）	8（8.7）	37（40.2）	23（25.0）	12（13.0）	7（7.6）	62（67.4）	4（4.3）	19（20.7）
整体服药依从性较优组	16（12.6）	1（0.8）	47（37.0）	57（44.9）	6（4.7）	0	102（80.3）	0	25（19.7）
统计量值	22.420^b					0.011^c
P值	0.004					0.918
组别	居住情况〔n（%）〕				主要照顾者〔n（%）〕
组别	独居	夫妻同住	子女同住	其他	配偶	子女	保姆/护工	无	其他
主观服药依从性不佳组	0	32（66.7）	16（33.3）	0	19（39.6）	20（41.7）	1（2.1）	8（16.7）	0
整体服药依从性较差组	11（12.0）	39（42.4）	40（43.5）	2（1.1）	36（39.1）	42（45.7）	4（4.3）	10（10.9）	0
整体服药依从性较优组	14（11.0）	78（61.4）	35（27.6）	0	65（51.2）	44（34.6）	1（0.8）	15（11.8）	2（1.6）
统计量值	4.023^c				1.200^c
P值	0.045				0.273
组别	家庭人均月收入〔n（%）〕					收入来源〔n（%）〕
组别	<2 000元	2 000~元	3 000~元	4 000~元	5 000~元	子女赡养费	离退休工资	低保	其他
主观服药依从性不佳组	31（64.6）	7（14.6）	5（10.4）	3（6.3）	2（4.2）	28（58.3）	14（29.2）	1（2.1）	5（10.4）
整体服药依从性较差组	21（22.8）	24（26.1）	24（26.1）	16（17.4）	7（7.6）	40（43.5）	43（46.7）	2（2.2）	7（7.6）
整体服药依从性较优组	53（41.7）	27（21.3）	24（18.9）	15（11.8）	8（6.3）	48（37.8）	50（39.4）	3（2.4）	26（20.5）
统计量值	19.935^a					7.547^c
P值	0.001					0.006
组别	医保参保类型〔n（%）〕				参加商业医疗保险〔n（%）〕		自付药费〔n（%）〕
组别	城镇职工基本医疗保险	城镇居民基本医疗保险	新型农村合作医疗	其他	是	否	<100元/月	100~元/月	300~元/月	500~元/月	800~元/月
主观服药依从性不佳组	11（22.9）	19（39.6）	18（37.5）	0	8（16.7）	40（83.3）	4（8.3）	36（75.0）	2（4.2）	3（6.3）	3（6.3）
整体服药依从性较差组	40（43.5）	38（41.3）	13（14.1）	1（1.1）	29（31.5）	63（68.5）	5（5.4）	54（58.7）	16（17.4）	10（10.9）	7（7.6）
整体服药依从性较优组	34（26.8）	54（42.5）	38（29.9）	1（0.8）	25（19.7）	102（80.3）	19（15.0）	42（33.1）	35（27.6）	17（13.4）	14（11.0）
统计量值	0.089^c				5.603^b		3.989^a
P值	0.765				0.061		0.136
组别	获药师指导〔n（%）〕		服药种数〔n（%）〕			用药剂型〔n（%）〕
组别	是	否	<5种/d	5~10种/d	11~15种/d	片剂/胶囊	乳膏	吸入剂	液体	注射剂
主观服药依从性不佳组	18（37.5）	30（62.5）	24（50.0）	23（47.9）	1（2.1）	47（97.9）	0	0	0	1（2.1）
整体服药依从性较差组	55（59.8）	37（40.2）	59（64.1）	30（32.6）	3（3.3）	64（69.6）	1（1.1）	2（2.2）	5（5.4）	20（21.7）
整体服药依从性较优组	52（40.9）	75（59.1）	55（43.3）	68（53.5）	4（3.1）	112（88.2）	0	2（1.6）	1（0.8）	12（9.4）
统计量值	7.692^b		8.450^a			0.054^c
P值	0.021		0.015			0.816
组别	服药频率〔n（%）〕				服药年限〔n（%）〕					中文版BMQ-Specific得分（±s，分）^e	用药知识得分（±s，分）
组别	1次/d	2次/d	3次/d	>3次/d	<1年	1~年	5~年	10~年	20~年	中文版BMQ-Specific得分（±s，分）^e	用药知识得分（±s，分）
主观服药依从性不佳组	4（8.3）	15（31.3）	29（60.4）	0	1（2.1）	9（18.8）	18（37.5）	15（31.3）	5（10.4）	0.33±4.28	12.23±4.69
整体服药依从性较差组	1（1.1）	26（28.3）	56（60.9）	9（9.8）	1（1.1）	6（6.5）	25（27.2）	41（44.6）	19（20.7）	-2.18±8.73	12.96±5.01
整体服药依从性较优组	20（15.7）	33（26.0）	65（51.2）	9（7.1）	7（5.5）	28（22.0）	28（22.0）	46（36.2）	18（14.2）	3.86±7.92	17.17±6.37
统计量值	6.894^a				11.151^a					35.109^d	82.367^d
P值	0.032				0.004					0.002	0.004

Latent Class Analysis and Influencing Factors of Medication Adherence in Multiple Chronic Conditions Patients

慢性病共病患者服药依从性潜在类别及其影响因素分析

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 5

References 40

Related Articles 15

Recommended Articles

Metrics

Comments

变量			b	SE	Waldχ²值	P值	OR（95%CI）
因变量：以整体服药依从性较优组为参照
	患病后工作情况（以其他为参照）
		继续工作	0.643	1.421	0.205	0.651	1.902（0.118，30.795）
		因病退休	5.100	1.603	10.116	0.001	163.991（7.079，3 798.744）^a
		已退休	1.442	1.225	1.386	0.239	4.229（0.383，46.648）
		无业	1.093	1.194	0.839	0.360	1.902（0.118，30.795）
	收入来源（以其他为参照）
		子女赡养费	1.441	0.708	4.147	0.042	4.227（1.056，16.923）
		离退休工资	-0.523	0.811	0.416	0.519	0.593（0.121，2.903）
		低保	1.456	1.243	1.370	0.242	4.287（0.375，49.036）
	获药师指导（以否为参照）
		是	-1.884	0.604	9.746	0.002	0.152（0.047，0.496）
	中文版BMQ-Specific得分（原值进入）		-0.082	0.033	6.008	0.014	0.930（0.878，0.985）
	用药知识得分（原值进入）		-0.159	0.044	13.061	<0.001	0.853（0.782，0.930）
因变量：以整体服药依从性较优组为参照
	患病后工作情况（以其他为参照）
		继续工作	-0.776	0.757	1.052	0.305	0.460（0.104，2.028）
		因病退休	0.801	1.166	0.472	0.492	2.228（0.227，21.888）
		已退休	-1.403	0.682	4.231	0.040	0.246（0.065，0.936）
		无业	-0.846	0.651	1.687	0.194	0.429（0.120，1.538）
	服药频率（次/d，以>3为参照）
		1	-2.804	0.975	8.264	0.004	0.061（0.009，0.410）
		2	-0.653	0.718	0.827	0.363	0.520（0.127，2.127）
		3	-0.936	0.680	1.895	0.169	0.392（0.103，1.487）
	获药师指导（以否为参照）
		是	-1.659	0.614	7.301	0.007	0.190（0.057，0.634）
	中文版BMQ-Specific得分（原值进入）		-0.067	0.023	8.522	0.004	0.935（0.893，0.978）
	用药知识得分（原值进入）		-0.196	0.036	30.013	<0.001	0.822（0.766，0.882）

[1]	QIN Fengyin, ZHANG Qishan, LAI Jinjia, HUANG Yimin, HAN Guoyin, SUN Xinglan, WANG Fen, TAN Yibing. Current Status and Influencing Factors of the Intention to Screen for High-risk Stroke among Community Residents in Guangdong [J]. Chinese General Practice, 2023, 26(34): 4283-4289.
[2]	HAO Aihua, ZENG Weilin, LI Guanhai, XIA Yinghua, CHEN Liang. Current Situation of the Construction of Family Doctor Team: an Investigation Based on the Perspective of General Practitioners [J]. Chinese General Practice, 2023, 26(34): 4261-4268.
[3]	LI Dianjiang, PAN Enchun, SUN Zhongming, WEN Jinbo, WANG Miaomiao, WU Ming, SHEN Chong. The Current Status and Influencing Factors of Clinical Inertia in Type 2 Diabetes Patients in Community [J]. Chinese General Practice, 2023, 26(34): 4296-4301.
[4]	WANG Yue, CHEN Qing, LIU Lurong. Detection Rate of Depression and Its Influencing Factors in Chinese Elderly: a Meta-analysis [J]. Chinese General Practice, 2023, 26(34): 4329-4335.
[5]	WANG Lina, GAO Pengfei, CAO Fan, GE Ying, YAN Wei, HE Daikun. Analysis of the Prevalence and Influencing Factors of Non-alcoholic Fatty Liver Disease in Different Gender Groups [J]. Chinese General Practice, 2023, 26(33): 4143-4151.
[6]	LIANG Xuan, NA Feiyang, QIN Mengyao, YANG Hui, GUO Li, GUO Qi, REN Lei, CHEN De, LIU Donghai, ZHANG Rongfang. Clinical Characteristics and Influencing Factors of Bronchial Asthma Combined with Obstructive Sleep Apnea-hypopnea Syndrome in Children [J]. Chinese General Practice, 2023, 26(33): 4225-4230.
[7]	LI Qianqian, CHEN Xunrui, ZHANG Wenying, YUAN Haihua, ZHANG Yanjie, JIANG Bin, LIU Feng. Demand and Influencing Factors for Community Health Services during Chemotherapy of Patients with Advanced Cancer [J]. Chinese General Practice, 2023, 26(33): 4173-4180.
[8]	ZHANG Jin, DING Zhiguo, QI Shuo, LI Ying, LI Weiqiang, ZHANG Yuanyuan, ZHOU Tong. Relationship between Serum Thyroid Hormone Levels and Prognosis during Hospitalization in Heart Failure Patients [J]. Chinese General Practice, 2023, 26(33): 4125-4129.
[9]	ZHOU Yuyu, GAO Chuan, CUI Puan, WANG Yaping, HE Zhong. Influencing Factors of Shared Decision Making between Doctors and Patients in Menopausal Hormone Therapy in Patients with Menopausal Syndrome [J]. Chinese General Practice, 2023, 26(33): 4181-4186.
[10]	GAO Dekang, WEI Shaohua, MA Xiaoming, DU Peng, XING Chungen, CAO Chun. Risk Factors for Loss of Skeletal Muscle Mass and Its Correlation with Complications after Major Hepatectomy for Liver Cancer [J]. Chinese General Practice, 2023, 26(32): 4031-4037.
[11]	ZHANG Juan, LI Haifen, LI Xiaoman, YAO Miao, MA Huizhen, MA Qiang. Construction of Recurrence Risk Prediction Model for Diabetic Foot Ulcer on the Basis of Logistic Regression, Support Vector Machine and BP Neural Network Model [J]. Chinese General Practice, 2023, 26(32): 4013-4019.
[12]	GAO Jing, ZHOU Shangcheng, GAO Sande, ZOU Guanyang, CHEN Yingyao. Health-related Quality of Life and Its Influencing Factors in Patients with Prevention of Disease in Traditionnal Chinese Medicine based on EQ-5D-5L Scale [J]. Chinese General Practice, 2023, 26(32): 4043-4050.
[13]	WANG Minghuan, LI Yuhong, YU Min, WANG Yougang, YU Qiaozhi, YANG Fangfang, YUAN Dehui, ZHANG Liu. Effect of Allostatic Load on Adverse Pregnancy Outcomes of Women in Late Pregnancy [J]. Chinese General Practice, 2023, 26(32): 4064-4069.
[14]	YUAN Dehui, LI Yuhong, XIONG Min, YU Min, MA Ruiliang, YANG Fangfang, YU Qiaozhi, WANG Minghuan. Status and Influencing Factors of Allostatic Load in Pregnant Women at Different Trimesters [J]. Chinese General Practice, 2023, 26(32): 4057-4063.
[15]	DUAN Yanqin, PENG Ying, LIU Shenglan, LIU Haijiao, YANG Huiqiong, HU Haiqing. Prevalence and Associated Factors of Potentially Inappropriate Medication among Elderly Outpatients [J]. Chinese General Practice, 2023, 26(31): 3902-3907.