促进坚持复杂药物治疗方案的通用用药计划

最初 6 周未收到提醒他们服药的短信提醒的患者；或未完成至少 1 项门户调查，询问他们是否服药，是否有任何副作用或疑虑；或未接受任何干预将被视为加强常规护理。

患者只会收到 EHR 工具（关于他们的药物的对患者友好的医疗单，将他们的药物放入通用药物计划的 MedList，以及他们的 Rx 瓶上的 UMS 签名）。

根据协议分析：

在前 6 周连续收到 SMS 消息或登录患者门户并完成至少一项调查的患者。

在基线和 6 个月时，使用电子药丸计数器对所有药丸形式的药物进行药丸计数。 将在每个时间点计算每种药物服用的药丸占处方药的比例 (PT/PP)。 服用的药丸数将通过从规定的总量中减去药丸的数量来计算。 开出的药片数将通过每天开出的药片数乘以服药后的天数来计算。 80% 或更高的服用药丸占处方药丸 (PT/PP) 的比例被认为是依从性。

使用 2 级广义线性模型 (PROC GENMOD) 进行分析，药物嵌套在参与者体内并带有 logit 链接。

混杂变量，例如基线依从性、性别、年龄、语言、健康状况和药物治疗方案复杂性指数 (MRCI) 作为固定效应包含在模型中。 结果以具有 95% 置信区间的预测概率表示。

向参与者询问有关他们 24 小时回忆每种药物使用情况的问题；他们被要求具体说明服用的量（剂量）、服用药物的次数（频率）、服用的药丸总数以及服用剂量的时间（以计算间隔：剂量之间的小时数）。 正确使用将被评为是或否，反映出已证明以下所有内容：正确的剂量、频率、总量和基于药瓶说明的间距。 结果以具有 95% 置信区间的预测概率表示。

使用 2 级广义线性模型 (PROC GENMOD) 进行分析，药物嵌套在参与者体内并带有 logit 链接。

混杂变量，如招募时间、诊所、健康状况、性别、年龄、时间效应和药物治疗方案复杂性指数 (MRCI) 作为固定效应包含在模型中。

参与者完成了 ASK-12 调查问卷，这是一个简短的依从性衡量标准，涵盖三个关键领域：不便/健忘、治疗信念和行为。

ASK-12 的评分是通过对所选回答（分数范围为 12 到 60）进行加总，分数越高表示依从性障碍越大。

使用广义线性模型 (PROC GENMOD) 进行分析，具有重复的主题效应和身份链接。

混杂变量，如健康状况、性别、年龄、健康激活 (CHAI)、语言、时间效应和慢性病数量作为模型中的固定效应。 结果以具有 95% 置信区间的预测概率表示。

将在基线和 6 个月时收集所有参与者的收缩压。

将测量收缩压相对于基线的变化，仅在那些被诊断患有高血压的人中。 负最小二乘均值表示收缩压降低，而正最小二乘均值表示收缩压增加 6 个月。

使用具有恒等链接的广义线性模型 (PROC GENMOD) 进行分析。

混杂变量，例如基线时的平均收缩压、性别、年龄、种族和处方药的数量，作为固定效应包含在模型中。 结果显示为具有 95% 置信区间的调整后最小二乘均值。

仅在糖尿病患者的基线和 6 个月时收集血红蛋白 A1c (hbA1c)。

对 hbA1c 相对于基线的变化进行建模。 正最小二乘均值表示 6 个月时 hbA1c 增加，而负最小二乘均值表示 hbA1c 下降。

使用具有恒等链接的广义线性模型 (PROC GENMOD) 进行分析。

混杂变量，例如基线时的 hbA1c、性别、年龄、健康状况、语言、药物治疗复杂性指数 (MRCI) 和健康素养（最新生命体征）作为固定效应包含在模型中。 结果显示为具有 95% 置信区间的调整后最小二乘均值。