adhésion au traitement antidiabétique oral chez les
Post on 15-Oct-2021
4 Views
Preview:
TRANSCRIPT
Adhésion au traitement antidiabétique oral chez les adultes atteints de diabète de type 2 : déterminants
et interventions visant à l’améliorer
Thèse
HERVÉ TCHALA VIGNON ZOMAHOUN
Doctorat en sciences pharmaceutiques – Pharmaco-épidémiologie Philosophiae doctor (Ph.D.)
Québec, Canada
© HERVÉ TCHALA VIGNON ZOMAHOUN, 2016
Adhésion au traitement antidiabétique oral chez les adultes atteints de diabète de type 2 : déterminants
et interventions visant à l’améliorer
Thèse
HERVÉ TCHALA VIGNON ZOMAHOUN
Sous la direction de :
Jocelyne Moisan, directrice de recherche Line Guénette, codirectrice de recherche
iii
Résumé
Introduction : Le diabète de type 2 est une maladie évolutive débilitante et souvent mortelle qui
atteint de plus en plus de personnes dans le monde. Le traitement antidiabétique non-insulinique
(TADNI) notamment le traitement antidiabétique oral (TADO) est le plus fréquemment utilisé
chez les adultes atteints de cette maladie. Toutefois, plusieurs de ces personnes ne prennent pas
leur TADO tel que prescrit posant ainsi la problématique d’une adhésion sous-optimale. Ceci
entraîne des conséquences néfastes aussi bien pour les patients que pour la société dans laquelle
ils vivent. Il serait donc pertinent d’identifier des pistes de solution à cette problématique.
Objectifs : Trois objectifs de recherche ont été étudiés : 1) Explorer la capacité de la théorie du
comportement planifié (TCP) à prédire l’adhésion future au TADNI chez les adultes atteints de
diabète de type 2, 2) Évaluer l’efficacité globale des interventions visant à améliorer l’adhésion
au TADO chez les adultes atteints de diabète de type 2 et étudier l’influence des techniques de
changement de comportement sur cette efficacité globale, et 3) Évaluer l’efficacité globale de
l’entretien motivationnel sur l’adhésion au traitement médicamenteux chez les adultes atteints de
maladie chronique et étudier l’influence des caractéristiques de cette intervention sur son
efficacité globale.
Méthodes : Pour l’objectif 1 : Il s’agissait d’une enquête web, suivie d’une évaluation de
l’adhésion au TADNI sur une période de 30 jours, chez des adultes atteints de diabète de type 2,
membres de Diabète Québec. L’enquête consistait à la complétion d’un questionnaire auto-
administré incluant les variables de la TCP (intention, contrôle comportemental perçu et attitude)
ainsi que d’autres variables dites «externes». Les informations relatives au calcul de l’adhésion
provenaient des dossiers de pharmacie des participants transmis via la plateforme ReMed. Une
régression linéaire multivariée a été utilisée pour estimer la mesure d’association entre l’intention
et l’adhésion future au TADNI ainsi que l’interaction entre l’adhésion passée et l’intention. Pour
répondre aux objectifs 2 et 3, deux revues systématiques et méta-analyses ont été effectuées et
rapportées selon les lignes directrices de PRISMA. Un modèle à effets aléatoires a été utilisé pour
estimer l’efficacité globale (g d’Hedges) des interventions et son intervalle de confiance à 95 %
iv
(IC95%) dans chacune des revues. Nous avons également quantifié l’hétérogénéité (I2 d’Higgins)
entre les études, et avons fait des analyses de sous-groupe et des analyses de sensibilité.
Résultats : Objectif 1 : Il y avait une interaction statistiquement significative entre l’adhésion
passée et l’intention (valeur-p= 0,03). L’intention n’était pas statistiquement associée à
l’adhésion future au TADNI, mais son effet était plus fort chez les non-adhérents que chez les
adhérents avant l’enquête web. En revanche, l’intention était principalement prédite par le
contrôle comportemental perçu à la fois chez les adhérents [β= 0,90, IC95%= (0,80; 1,00)] et chez
les non-adhérents passés [β= 0,76, IC95%= (0,56; 0,97)]. Objectif 2 : L’efficacité globale des
interventions sur l’adhésion au TADO était de 0,21 [IC95%= (-0,05; 0,47); I2= 82 %]. L’efficacité
globale des interventions dans lesquelles les intervenants aidaient les patients et/ou les cliniciens
à être proactifs dans la gestion des effets indésirables était de 0,64 [IC95%= (0,31; 0,96); I2= 56
%]. Objectif 3 : L’efficacité globale des interventions (basées sur l’entretien motivationnel) sur
l’adhésion au traitement médicamenteux était de 0,12 [IC95%= (0,05; 0,20); I2= 1 %. Les
interventions basées uniquement sur l’entretien motivationnel [β= 0,18, IC95%= (0,00; 0,36)] et
celles dans lesquelles les intervenants ont été coachés [β= 0,47, IC95%= (0,03; 0,90)] étaient les
plus efficaces. Aussi, les interventions administrées en face-à-face étaient plus efficaces que
celles administrées par téléphone [β= 0,27, IC95%=(0,04; 0,50)].
Conclusion : Il existe un écart entre l’intention et l’adhésion future au TADNI, qui est
partiellement expliqué par le niveau d’adhésion passée. Toutefois, il n’y avait pas assez de
puissance statistique pour démontrer une association statistiquement significative entre
l’intention et l’adhésion future chez les non-adhérents passés. D’un autre côté, quelques solutions
au problème de l’adhésion sous-optimale au TADO ont été identifiées. En effet, le fait d’aider les
patients et/ou les cliniciens à être proactifs dans la gestion des effets indésirables contribue
efficacement à l’amélioration de l’adhésion au TADO chez les adultes atteints de diabète de type
2. Aussi, les interventions basées sur l’entretien motivationnel améliorent efficacement
l’adhésion au traitement médicamenteux chez les adultes atteints de maladie chronique.
L’entretien motivationnel pourrait donc être utilisé comme un outil clinique pour soutenir les
patients dans l’autogestion de leur TADO.
v
Abstract
Background: Type 2 diabetes is a progressive, debilitating and often fatal disease that reaches
more and more people in the world. Non-insulin antidiabetic drug (NIAD) treatment especially
oral antidiabetic drug (OAD) treatment is the one often used in adults with type 2 diabetes.
However, many of these people do not take their OAD as prescribed, posing the problem of sub-
optimal adherence. This leads to negative consequences for both patients and society in which
they live. It would therefore be relevant to search possible solutions for this problem.
Objectives: Three research objectives were studied 1) To explore the ability of the theory of
planned behaviour to predict NIAD adherence among adults with type 2 diabetes; 2) To estimate
the overall effectiveness of OAD adherence-enhancing interventions, and to explore which of the
behavior change techniques that were applied in the intervention groups modified this overall
effectiveness; 3) To assess whether MI interventions are effective to enhance medication
adherence in adults with chronic diseases and to explore the effect of individual MI intervention
characteristics.
Methods: For the objective 1, we performed a web survey followed by an assessment of NIAD
adherence after 30 days among adults with type 2 diabetes, members of Diabète Québec. The
web survey consisted of the completion of a self-administrated and validated questionnaire which
included TPB variables (intention, behavioural perceived control, and attitude) and external
variables. The information about the calculation of NIAD treatment adherence came from
pharmacy files of survey’s attendees via ReMed platform. A multiple linear regression was used
to assess the association between intention and future NIAD adherence, and the interaction
between intention and past adherence. For the objectives 2 and 3, two systematic reviews and
meta-analyses were performed and reported according to the PRISMA guidelines. A random-
effects model was used to estimate the overall effectiveness of interventions (Hedges’s g) and its
confidence interval (95% CI) for each review. We also quantified the heterogeneity (Higgins’s I2)
between studies, and made sensitivity and sub-group analyses.
vi
Results: For objective 1: There was an interaction between past NIAD adherence and intention to
adhere to the NIAD (p-value= 0.03). Intention did not predict future NIAD adherence in the past
adherers and non-adherers groups, but its association measure was high among past non-adherers.
In contrast, the intention was predicted by the perceived behavioural control both in adherers ([β=
0.90, 95% CI= (0.80, 1.00)] and in non-adherers [β= 0.76, 95% CI= (0.56, 0.97)]). For objective
2: The pooled effectiveness of the interventions was 0.21 [(95% CI= (-0.05, 0.47); I²= 82%)].
The pooled effectiveness of the interventions in which interventionists helped patients and/or
clinicians to cope with side effects was 0.64 [95% CI= (0.31, 0.96); I2= 56%]. For objective 3:
The pooled MI intervention effect size was 0.12 [95% CI= (0.05, 0.20), I2= 1%]. Interventions
that were based on MI only [ẞ= 0.18, 95% CI= (0.00, 0.36)] or those in which interventionists
were coached during intervention implementation [ẞ= 0.47, 95% CI= (0.03, 0.90)] were the most
effective. MI interventions that were delivered solely face-to-face were more effective than those
that were delivered solely by phone [ẞ= 0.27, 95% CI= (0.04, 0.5)].
Conclusions: There was a gap between intention to adhere and future adherence to NIAD, which
is partly explained by past adherence level in adults with type 2 diabetes. However, we did not
have sufficient statistical power to show a statistically significant association between intention
and future adherence among past non-adherers. In contrast, we have succeeded to identify a few
solutions for the problem of suboptimal OAD adherence. Indeed, interventions in which
interventionists helped patients to cope with side effects appear to be particularly effective in
improving OAD adherence. Also, MI interventions are effective at enhancing medication
adherence across a wide range of chronic diseases. Motivational interviewing could be used as a
clinical tool to support patients in the self-management of their OAD treatment.
vii
Table des matières
RÉSUMÉ ............................................................................................................................. III
ABSTRACT ......................................................................................................................... V
TABLE DES MATIÈRES ................................................................................................ VII
LISTE DES TABLEAUX ............................................................................................... XIII
LISTE DES FIGURES .................................................................................................... XIV
LISTE DES ABRÉVIATIONS ET DES SIGLES .......................................................... XV
DÉDICACES ................................................................................................................. XVII
REMERCIEMENTS .................................................................................................... XVIII
AVANT-PROPOS ............................................................................................................ XIX
1 CHAPITRE 1 : INTRODUCTION GÉNÉRALE ET STRUCTURE DE LA THÈSE ................................................................................................................................... 1
1.1 Introduction générale ............................................................................................... 1
1.2 Structure de la thèse ................................................................................................. 3
2 CHAPITRE 2: ÉTAT DES CONNAISSANCES ....................................................... 5
2.1 Définition, prévalence et diagnostic du diabète de type 2 ..................................... 5 2.1.1 Définition et prévalence du diabète de type 2 ........................................................ 5 2.1.2 Diagnostic du diabète de type 2 ............................................................................. 6
2.2 Facteurs de risque du diabète de type 2 ................................................................. 7 2.2.1 Facteurs de risque modifiables ............................................................................... 8
2.2.1.1 Habitudes de vie ............................................................................................. 8 2.2.1.2 Résultats cliniques et paramètres biologiques ................................................ 8
2.2.2 Facteurs de risque non modifiables ........................................................................ 9 2.2.2.1 Facteurs sociodémographiques ...................................................................... 9 2.2.2.2 Facteurs génétiques et résultats cliniques ....................................................... 9
viii
2.3 Contrôle glycémique et complications liées au diabète de type 2 ....................... 11 2.3.1 Contrôle glycémique ............................................................................................ 11 2.3.2 Lien entre taux d’HbA1c et complications macrovasculaires .............................. 12
2.3.2.1 Maladies coronariennes ................................................................................ 12 2.3.2.2 Maladies vasculo-cérébrales ........................................................................ 13 2.3.2.3 Maladies artérielles périphériques ................................................................ 14
2.3.3 Lien entre taux d’HbA1c et complications microvasculaires .............................. 15 2.3.3.1 Rétinopathie ................................................................................................. 15 2.3.3.2 Néphropathie ................................................................................................ 15 2.3.3.3 Neuropathie .................................................................................................. 16
2.3.4 Conclusion relative au contrôle glycémique ........................................................ 16
2.4 Traitements du diabète de type 2 .......................................................................... 17 2.4.1 Prise en charge thérapeutique du diabète de type 2 .............................................. 17 2.4.2 Mécanismes d’action, efficacité et effets indésirables ......................................... 18
2.4.2.1 Biguanides .................................................................................................... 19 2.4.2.2 Thiazolidinediones ....................................................................................... 19 2.4.2.3 Sécrétagogues de l’insuline .......................................................................... 20 2.4.2.4 Inhibiteurs des alpha-glucosidases ............................................................... 21 2.4.2.5 Inhibiteurs de la dipeptidylpeptidase-4 (DPP-4) .......................................... 21
2.5 Définition de l’adhésion au traitement et méthodes de mesure ......................... 22
2.5.1. Définition de l’adhésion au traitement médicamenteux ................................. 22 2.5.1.1 Observance ................................................................................................... 23 2.5.1.2 Adhésion ....................................................................................................... 23 2.5.1.3 Concordance ................................................................................................. 24 2.5.1.4 Persistance .................................................................................................... 24 2.5.1.5 Adhésion multidimensionnelle ..................................................................... 25
2.5.2 Méthodes de mesure de l’adhésion au traitement ................................................ 26
2.6 Problématique de l’adhésion sous-optimale au traitement antidiabétique oral dans le monde et au Québec .............................................................................................. 30
2.6.1 Devis d’études de cohorte prospective ................................................................. 32 2.6.2 Devis d’études transversales ................................................................................ 33 2.6.3 Devis d’études de cohorte rétrospective ............................................................... 33 2.6.4 Conclusion de la problématique de l’adhésion sous-optimale ............................. 36
2.7 Conséquences de l’adhésion sous-optimale au TADO ........................................ 36 2.7.1 Complications et décès liés à l’adhésion sous-optimale ...................................... 36 2.7.2 Taux d’hospitalisation et d’utilisation des services de soins ................................ 37 2.7.3 Coûts liés à l’adhésion sous-optimale .................................................................. 37 2.7.4 Conclusion des conséquences liées à l’adhésion sous-optimale .......................... 38
2.8 Déterminants de l’adhésion au TADO .................................................................. 38 2.8.1 Déterminants sociodémographiques et économiques .......................................... 41
ix
2.8.2 Déterminants liés au système de santé et à l’équipe de soins de santé ................ 42 2.8.3 Déterminants liés à la maladie ............................................................................. 44 2.8.4 Déterminants liés au traitement médicamenteux ................................................. 44 2.8.5 Déterminants liés au patient ................................................................................. 46 2.8.6 Conclusion sur les déterminants de l’adhésion .................................................... 46
2.9 Modèles théoriques prédictifs de comportement lié à la santé ........................... 47 2.9.1 Modèles théoriques : définition et utilité .............................................................. 47 2.9.2 Modèles théoriques : utilisation et efficacité ........................................................ 48 2.9.3 Théorie du comportement planifié : bref historique et description ...................... 49
2.10 Revue des interventions visant à améliorer l’adhésion au TADO ..................... 56 2.10.1 Mise en contexte ................................................................................................... 56 2.10.2 Méthodologie de la revue ..................................................................................... 56 2.10.3 Résultats de la revue ............................................................................................. 57
2.10.3.1 Caractéristiques des participants des études d’interventions efficaces .... 57 2.10.3.2 Caractéristiques des intervenants des études d’interventions efficaces ... 58 2.10.3.3 Caractéristiques du contenu des interventions efficaces .......................... 58
2.10.4 Discussion des résultats de la revue ..................................................................... 58 2.10.5 Conclusion de la revue ......................................................................................... 60
2.11 Entretien motivationnel ......................................................................................... 61 2.11.1 L’esprit de l’entretien motivationnel .................................................................... 62 2.11.2 Les processus de l’entretien motivationnel .......................................................... 63 2.11.3 Les techniques de communication de l’entretien motivationnel .......................... 63 2.11.4 L’efficacité de l’entretien motivationnel .............................................................. 65
2.12 Résumé de l’état des connaissances ...................................................................... 68
3 CHAPITRE 3 : OBJECTIFS DE RECHERCHE ................................................... 71
3.1 Objectif général ...................................................................................................... 71
3.2 Objectifs spécifiques ............................................................................................... 71
4 CHAPITRE 4: PREDICTING NON-INSULIN ANTIDIABETIC DRUG ADHERENCE USING A THEORETICAL FRAMEWORK BASED ON THE THEORY OF PLANNED BEHAVIOUR IN ADULTS WITH TYPE 2 DIABETES: A PROSPECTIVE STUDY ................................................................................................... 72
4.1 Résumé .................................................................................................................... 72
4.2 Abstract ................................................................................................................... 73
4.3 Introduction ............................................................................................................ 74
x
4.4 Research design and methods ............................................................................... 75 4.4.1 Theoretical framework ......................................................................................... 76 4.4.2 Study design and population ................................................................................ 77 4.4.3 Dependent variables ............................................................................................. 78 4.4.4 Main independent variables ................................................................................. 79 4.4.5 Other independent variables ................................................................................. 79 4.4.6 Statistical analyses ................................................................................................ 79
4.5 Results ..................................................................................................................... 81 4.5.1 TPB variables ....................................................................................................... 81 4.5.2 External variables ................................................................................................. 81 4.5.3 Correlation matrix between variables .................................................................. 82 4.5.4 Prediction of future NIAD adherence .................................................................. 82 4.5.5 Prediction of the intention to adhere to the NIAD ............................................... 82 4.5.6 Interaction between past adherence and intention to adhere to the NIAD ........... 83
4.6 Discussion ................................................................................................................ 84 4.6.1 Principal findings ................................................................................................. 84 4.6.2 Explanation of principal findings and relation with the literature ....................... 84 4.6.3 Limitations and strengths ..................................................................................... 87 4.6.4 Implications for clinical practice and research ..................................................... 88
4.7 Conclusion ............................................................................................................... 89
4.8 Acknowledgments ................................................................................................... 89
5 CHAPITRE 5: EFFECTIVENESS AND CONTENT ANALYSIS OF INTERVENTIONS TO ENHANCE ORAL ANTIDIABETIC DRUG ADHERENCE IN ADULTS WITH TYPE 2 DIABETES: SYSTEMATIC REVIEW AND META-ANALYSIS .......................................................................................................................... 97
5.1 Résumé .................................................................................................................... 97
5.2 Abstract ................................................................................................................... 99
5.3 Introduction .......................................................................................................... 100
5.4 Research design and methods ............................................................................. 101 5.4.1 Eligibility criteria ............................................................................................... 101 5.4.2 Literature search ................................................................................................. 101 5.4.3 Study selection ................................................................................................... 102 5.4.4 Data extraction ................................................................................................... 102
5.4.4.1 Study details ............................................................................................... 102 5.4.4.2 Categorization of intervention components ............................................... 102 5.4.4.3 Assessment of internal (risk of bias) and external validities ...................... 103
5.4.5 Data synthesis and analysis ................................................................................ 103
xi
5.5 Results ................................................................................................................... 104 5.5.1 Study selection and study characteristics ........................................................... 104 5.5.2 Assessment of internal (risk of bias) and external validities .............................. 105 5.5.3 OAD adherence measure characteristics ............................................................ 105 5.5.4 Intervention characteristics ................................................................................ 106 5.5.5 Components of the interventions in the control and intervention groups .......... 106 5.5.6 Pooled intervention effect size on OAD adherence ........................................... 107 5.5.7 Influence of BCTs on pooled intervention effect size ........................................ 107 5.5.8 Sensitivity analyses and publication bias ........................................................... 107
5.6 Discussion .............................................................................................................. 108 5.6.1 Principal findings ............................................................................................... 108 5.6.2 Explanation of principal findings and relation with the literature ..................... 108 5.6.3 Limitations and strengths ................................................................................... 109 5.6.4 Implications for clinicians and policymakers ..................................................... 110
5.7 Conclusion .............................................................................................................. 111
5.8 Acknowledgments .................................................................................................. 111
6 CHAPITRE 6: EFFECTIVENESS OF MOTIVATIONAL INTERVIEWING INTERVENTIONS ON MEDICATION ADHERENCE IN ADULTS WITH CHRONIC DISEASES: A SYSTEMATIC REVIEW AND META-ANALYSIS ....... 120
6.1 Résumé .................................................................................................................. 120
6.2 Abstract ................................................................................................................. 122
6.3 Introduction .......................................................................................................... 123
6.4 Methods ................................................................................................................. 124 6.4.1 Eligibility criteria ............................................................................................... 125 6.4.2 Literature search ................................................................................................. 125 6.4.3 Studies selection ................................................................................................. 126 6.4.4 Data extraction ................................................................................................... 126 6.4.5 Assessment of the risk of bias ............................................................................ 127 6.4.6 Data synthesis ..................................................................................................... 128
6.5 Results ................................................................................................................... 130 6.5.1 Study selection, studies and participants’ characteristics ................................... 130 6.5.2 Assessment of the risk of bias ............................................................................ 130 6.5.3 Pooled MI intervention effect size on medication adherence ............................ 130 6.5.4 Heterogeneity exploration .................................................................................. 131 6.5.5 Sensitivity analyses and publication bias on the pooled effect size estimate ..... 132 6.5.6 Individual MI intervention characteristic effects on the MI intervention effect size 132
xii
6.6 Discussion .............................................................................................................. 133 6.6.1 Principal findings ............................................................................................... 133 6.6.2 Explanation of findings and relation with the literature ..................................... 133 6.6.3 Limitations and strengths ................................................................................... 136 6.6.4 Implications for clinicians and policy makers .................................................... 136
6.7 Conclusion ............................................................................................................. 137
6.8 Acknowledgments ................................................................................................. 137
7 CHAPITRE 7 : CONCLUSION GÉNÉRALE ET PERSPECTIVES ................ 153
7.1 Déterminants de l’adhésion au TADO ................................................................ 153
7.2 Interventions visant à améliorer l’adhésion au TADO ..................................... 157
7.3 Faiblesses et forces de la thèse ............................................................................. 158
7.4 Implications pratiques de la thèse ....................................................................... 161 7.4.1 Implications pratiques tirées des synthèses de littérature faites dans l’état des connaissances ................................................................................................................. 162 7.4.2 Implications pratiques issues des trois études principales ................................. 163
7.5 Conclusions et perspectives de la thèse .............................................................. 164
8 RÉFÉRENCES BIBLIOGRAPHIQUES ............................................................... 167
9 ANNEXES ................................................................................................................. 189
9.1 Supplemental material of chapter 4 .................................................................... 189
9.2 Supplemental material of chapter 5 .................................................................... 208
9.3 Supplemental material of chapter 6 .................................................................... 236
xiii
Liste des tableaux
Chapitre 2
Tableau 2.1: Méthodes de mesure de l’adhésion au traitement médicamenteux présentant quelques avantages et inconvénients .............................................................................................. 26
Chapitre 4
Table 4.1: Psychometric properties of TPB variables* .................................................................. 91
Table 4.2: Description of studied variables according to past non-insulin antidiabetic drug adherence levels ............................................................................................................................. 93
Table 4.3: Associations showing how theory of planned behaviour works in adults with type 2 diabetes ........................................................................................................................................... 95
Table 4.4: Associations showing how theory of planned behaviour works in adults with type 2 diabetes according to the past non-insulin antidiabetic drug adherence levels .............................. 96
Chapitre 5
Table 5.1: Sample, participant characteristics and follow-up ...................................................... 113
Table 5.2: Characteristics and components of interventions in the 10 studies retained of meta-analysis ......................................................................................................................................... 115
Table 5.3: Influence of behavior change techniques on pooled intervention effect size .............. 119
Chapitre 6
Table 6.1: Characteristics of studies and participants .................................................................. 141
Table 6.2: Characteristics of interventions and interventionists................................................... 145
Table 6.3: Effect of MI characteristics on the pooled intervention effect size ............................. 151
xiv
Liste des figures
Chapitre 2
Figure 2.1: Schéma de la théorie du comportement planifié .......................................................... 52
Chapitre 4
Figure 4.1: Theoretical framework of the study ............................................................................. 77
Chapitre 5
Figure 5.1: Flow chart of article selection in the systematic review and meta-analysis .............. 112
Figure 5.2: Forest plot of pooled effect size estimates for the 10 studies included in the meta-analysis ......................................................................................................................................... 118
Chapitre 6
Figure 6.1: Article selection process for the systematic review and meta-analysis ..................... 139
Figure 6.2: Forest plots of pooled effect size of motivational interviewing interventions .......... 140
xv
Liste des abréviations et des sigles
ADO Antidiabétique oral
BCT Behavior change technique
CCD Communicable chronic disease
CHW Community health workers
CI Confidence interval
CRCT Cluster randomized controlled trial
CVD Cardiovascular disease
EMB Electronic monitoring of behavior
HbA1c Hémoglobine glycosylée
IC Intervalle de confiance
Kg Kilogramme
L Litre
Mmol/l Millimole par litre
NCD Non-communicable disease
NIAD Non-insulin antidiabetic drug
NR Not reported
OMS Organisation mondiale de la santé
PCP Primary care practices
PDC Proportion of days covered
PJC Proportion de jours couverts
PRISMA Preferred reporting items for systematic reviews and meta-Analyses
RCT Randomized controlled trial
REB Reduced environmental barriers
SD Standard deviation
SMD Standard mean difference
SMS Short message service
STH Systolic hypertension
TADNI Traitement antidiabétique non-insulinique
xvi
TADO Traitement antidiabétique oral
TCC Technique de changement de comportement
TCP Théorie du comportement planifié
TPB Theory of planned behaviour
xvii
Dédicaces
Je dédie cette thèse à :
Ma mère Brigitte Hounsounou
La mémoire de mon feu père Faustin Zomahoun
Ma très chère et tendre épouse, Moulikatou Adouni Lawani
Mes enfants, Gloria et Nelly
Mes frères et sœurs, Roméo, Alain, Jocelyne, Armel et Nadine
Mes oncles et tantes
Mon cousin Victor Bada et son épouse Carine Agbota
Tous mes amis
Vos soutiens indéfectibles, conseils et encouragements surtout au moment des périodes difficiles
ont été déterminants dans la réalisation de cette thèse. Ce travail est également le fruit de vos
efforts.
xviii
Remerciements
Grâce à Dieu tout puissant, cette thèse est devenue une réalité. Gloire à Dieu!
Hommages particuliers à ma directrice de recherche, Dre Jocelyne Moisan pour avoir accepté de
m'encadrer et aussi de financer mes études doctorales sur une période de quatre ans en tant que
titulaire de la Chaire sur l’adhésion aux traitements de l’Université Laval. Sans votre
encadrement et votre financement, ce doctorat n’aurait pas été possible. Profonde gratitude.
Hommages à ma co-directrice, Dre Line Guénette, qui malgré un début de carrière où tout était à
construire, a su se rendre disponible pour contribuer substantiellement à mes travaux, et à me
donner des conseils utiles lors des phases difficiles de mon doctorat. Reconnaissance infinie.
Hommages au professeur Jean-Pierre Grégoire, vous n’étiez ni mon directeur, ni mon co-
directeur. Toutefois, vous avez eu à jouer un rôle majeur dans la réalisation de cette thèse,
notamment lors de la rédaction de mes articles. Votre raisonnement scientifique et votre écoute
inspirent et motivent au progrès en recherche. Reconnaissance infinie.
Mes sincères remerciements à tous les co-auteurs des articles de la thèse notamment les
chercheurs Dre Sophie Lauzier, Dre Laurence Guillaumie, Dr Marijn de Bruin, Dre Laetitia
Huiart et Dr Cyril Ferdynus; les professionnelles de recherche Mesdames Moulikatou Adouni
Lawani, Norma Pérez, et Lydi-Ann Vézina-Inn. Vos contributions respectives ont été importantes
pour la réalisation et l’amélioration des études de cette thèse. Merci infiniment.
Hommages à deux professeurs de la Faculté de médecine de l’Université Laval, Dr Jacques
Brisson et Dre France Légaré. Votre soutien indéfectible et vos encouragements m’ont permis
d’aller au bout de ce programme de doctorat. Vous êtes une source d’inspiration pour moi.
Hommages au corps professoral et à l’équipe administrative de la Faculté de pharmacie de
l’Université Laval. Merci infiniment pour vos contributions respectives.
Mes sincères remerciements vont également à l’endroit de tous les étudiants de la Chaire sur
l’adhésion aux traitements notamment Arsène, Carlotta, Gabriel, Mariam, Arsène, Richi et Thanh.
xix
Avant-propos
Mon projet de thèse de doctorat s’est inscrit dans le programme de recherche de la Chaire sur
l’adhésion aux traitements de l’Université Laval. Ce programme vise à améliorer l’adhésion au
traitement antidiabétique oral chez les personnes atteintes de diabète de type 2. Trois études en
lien avec ce programme ont fait l’objet de la présente thèse et ont permis d’écrire trois articles.
Le premier article de la thèse a été publié dans le journal Medicine en avril 2016. Il est intitulé:
Predicting non-insulin antidiabetic drug adherence using a theoretical framework based on the
theory of planned behaviour in adults with type 2 diabetes: A prospective study. J’en suis l’auteur
principal. Les co-auteurs sont dans l’ordre: Jocelyne Moisan, PhD, professeure titulaire à la
Faculté de pharmacie de l’Université Laval; Sophie Lauzier, PhD, professeure agrégée à la
Faculté de pharmacie de l’Université Laval; Laurence Guillaumie, PhD, professeure adjointe à la
Faculté des sciences infirmières de l’Université Laval; Jean-Pierre Grégoire, PhD, professeur
titulaire à la Faculté de pharmacie de l’Université Laval; Line Guénette, PhD, professeure
adjointe à la Faculté de pharmacie de l’Université Laval. Dans le cadre de cette étude, j’ai utilisé
la base de données d’une enquête web visant à identifier les déterminants de l’adhésion au
traitement antidiabétique non-insulinique notamment les antidiabétiques oraux. Cette base de
données a été jumelée aux dossiers de pharmacie des participants consentants de l’enquête web
pour lesquels l’équipe de ReMed a pu fournir des données. La nouvelle base obtenue a donc servi
de sources de données pour la première étude de la thèse. Ma contribution dans cette étude a
consisté à faire une synthèse des connaissances sur les déterminants de l’adhésion au traitement
antidiabétique oral chez les adultes atteints de diabète de type 2 en vue d’identifier les lacunes qui
y étaient reliées. Ceci m’a permis de définir une question de recherche à laquelle les données
disponibles pouvaient aider à répondre tout en comblant une des lacunes de la littérature
consultée. Ensuite, j’ai planifié et réalisé les analyses statistiques, rapporté et interprété les
résultats, rédigé le manuscrit, intégré les commentaires des co-auteurs, préparé et soumis le
manuscrit au journal Medicine.
xx
Le deuxième article, publié dans le journal Value in Health, est intitulé: Effectiveness and Content
Analysis of Interventions to Enhance Oral Antidiabetic Drug Adherence in Adults with Type 2
Diabetes: Systematic Review and Meta-Analysis. J’en suis l’auteur principal. Les co-auteurs de
cet article sont dans l’ordre : Marijn de Bruin, PhD, professeur titulaire, The Institute of Applied
Health Sciences, University of Aberdeen, Scotland; Laurence Guillaumie, PhD, professeure
adjointe à la Faculté des sciences infirmières de l’Université Laval; Jocelyne Moisan, PhD,
professeure titulaire à la Faculté de pharmacie de l’Université Laval; Jean-Pierre Grégoire, PhD,
professeur titulaire à la Faculté de pharmacie de l’Université Laval; Norma Pérez, MSc,
professionnelle de recherche au centre de recherche du CHU de Québec – Université Laval; Lydi-
Anne Vézina-Im, MSc, candidate au doctorat à la Faculté des sciences infirmières de l’Université
Laval; et Line Guénette, PhD, professeure adjointe à la Faculté de pharmacie de l’Université
Laval. Dans le cadre de cette étude, j’ai défini la question de recherche, élaboré la stratégie de
recherche des études que j’ai fait valider par un spécialiste de l’information de l’Université Laval.
J’ai ensuite effectué la recherche documentaire et constitué la base de données pour la sélection
des études. J’ai été l’un des deux examinateurs pour la sélection des études, l’extraction des
données, et l’évaluation des risques de biais des études originales. J’ai contacté les auteurs de
correspondance des articles originaux pour obtenir certaines informations manquantes. J’ai
également supervisé et fait la synthèse de la codification des interventions réalisée par deux des
co-auteures de façon indépendante. Ensuite, j’ai planifié et réalisé les analyses statistiques,
rapporté et interprété les résultats, rédigé le manuscrit, intégré les commentaires et suggestions
des co-auteurs, préparé et soumis le manuscrit au journal Value in Health; rédigé les réponses aux
commentaires des réviseurs et intégré les commentaires des co-auteurs.
Le troisième article, soumis le 2 juin 2015 au journal International Journal of Epidemiology, est
intitulé: Effectiveness of motivational interviewing interventions on medication adherence in
adults with chronic diseases: a systematic review and meta-analysis. J’en suis également l’auteur
principal. Les co-auteurs sont dans l’ordre : Line Guénette, PhD, professeure adjointe à la Faculté
de pharmacie de l’Université Laval; Jean-Pierre Grégoire, PhD, professeur titulaire à la Faculté
de pharmacie de l’Université Laval; Sophie Lauzier, PhD, professeure agrégée à la Faculté de
pharmacie de l’Université Laval; Adouni Moulikatou Lawani, MSc, candidate au doctorat à la
Faculté de médecine de l’Université Laval; Cyril Ferdynus, PhD, chercheur biostatisticien au
xxi
CHU de La Réunion (France); Laetitia Huiart, PhD, chercheure clinicienne au CHU de La
Réunion (France); et Jocelyne Moisan, PhD, professeure titulaire à la Faculté de pharmacie de
l’Université Laval. Dans le cadre de cette étude, j’ai défini la question de recherche, élaboré la
stratégie de recherche des études que j’ai fait valider par un spécialiste de l’information de
l’Université Laval. J’ai ensuite effectué la recherche documentaire et constitué la base de données
pour la sélection des études. J’ai été l’un des deux examinateurs pour la sélection des études,
l’extraction des données et l’évaluation des risques de biais au niveau des études originales. J’ai
contacté les auteurs de correspondance des études pour obtenir certaines informations
manquantes. Ensuite, j’ai planifié et réalisé les analyses statistiques, rapporté et interprété les
résultats, rédigé le manuscrit, intégré les commentaires et suggestions des co-auteurs, préparé et
soumis le manuscrit dans International Journal of Epidemiology.
Il est à noter que les résumés des trois principales études présentées dans la thèse ont été modifiés
par rapport à ceux soumis ou publiés, ceci dans le but de limiter le nombre de mots à 250 pour
chacun de ces résumés. Aussi, il pourrait avoir des différences entre les articles publiées, le
manuscrit en révision avec les pairs présentés dans la thèse et leurs versions qui seront publiées.
1
1 Chapitre 1 : Introduction générale et structure de la thèse
1.1 Introduction générale
Le diabète est une maladie débilitante chronique et souvent mortelle qui atteint de plus en
plus de personnes. Dans le monde, le nombre de personnes atteintes de diabète a été estimé
à 382 millions en 2013, et ce nombre passera à 592 millions en 2035.1 En terme de fardeau
mondial humain et financier, le diabète a causé 5,1 millions de décès et a induit une
dépense de 548 milliards de dollars américains (soit 11 % des dépenses totales liées à la
santé chez les adultes) en 2013.2 Une grande proportion de ce fardeau est attribuable au
diabète de type 2 qui représente de 90 % à 95 % de tous les cas de diabète.3
Le diabète est une maladie évolutive qui peut entraîner à long terme des complications
macrovasculaires pouvant affecter le cœur, le cerveau et les jambes, et des complications
microvasculaires pouvant affecter les yeux, les reins et le système nerveux.2,4 Ces
complications sont responsables du décès de plusieurs personnes atteintes du diabète 5 et
des coûts élevés liés à la maladie.6 Pendant la période 2008-2009, 29,9 % des adultes
canadiens sont décédés suite à une complication liée au diabète.5 En 2010, le diabète a
coûté au système canadien de soins 11,7 milliards de dollars dont 80 % étaient attribuables
aux complications liées au diabète.6 Ces coûts pourraient atteindre 16 milliards de dollars
en 2020.6
Le diabète de type 2 est caractérisé par une insulinorésistance accompagnée d’une carence
insulinique relative ou à une anomalie de sécrétion accompagnée d’une
insulinorésistance.2,7 Pour bien gérer le diabète de type 2, il existe essentiellement trois
types de traitement que sont la diète, l’activité physique et la médication (les
antidiabétiques oraux (OAD), les antidiabétiques injectables non-insuliniques et
l’insuline).8 En général, ces traitements visent à atteindre un taux d’hémoglobine
glycosylée (HbA1c), de valeurs normales en général inférieures ou égales à 7,0 %,
paramètre de référence dans la surveillance de l’équilibre glycémique chez les personnes
atteintes de diabète.9 Les valeurs normales du taux d’HbA1c peuvent varier dans certains
2
cas (voir détails plus loin). Dans une étude canadienne d’envergure nationale, il a été
démontré que 49 % des personnes atteintes de diabète n’atteignent pas le taux d’HbA1c
recommandé.10 Selon les lignes directrices de pratique clinique 2013 de l’Association
canadienne du diabète, il est recommandé de débuter le traitement du diabète de type 2 par
des interventions visant l’amélioration des habitudes de vie (diète et activité physique) sous
les recommandations d’un professionnel qualifié.8 Cette recommandation est faite lorsque
le diabète de type 2 est diagnostiqué précocement c’est-à-dire sans complication associée.8
Si suite à ces modifications comportementales, l’objectif glycémique n’est pas atteint au
bout de deux à trois mois, il est prescrit au patient des médicaments antidiabétiques.8 Les
ADO constituent le traitement de première intention dans la plupart des cas. En 2009-2010,
d’après une enquête de Statistiques Canada, plus de 60 % des personnes atteintes de diabète
et âgées de 40 ans ou plus ont rapporté avoir utilisé uniquement des ADO comme
traitement pharmacologique pour contrôler leur diabète.5
Un traitement n’est efficace que dans la mesure où le patient le suit tel que prescrit. Selon
une étude de cohorte récente effectuée au Québec, près de deux personnes sur cinq atteintes
de diabète de type 2 et ayant initié un traitement antidiabétique oral (TADO) avaient une
adhésion sous optimale au TADO au cours de la première année du traitement.11 Cette
problématique de l’adhésion sous optimale au traitement médicamenteux n’est ni
particulière à la population québécoise, ni au diabète. En effet, l’adhésion au traitement
médicamenteux est fréquemment sous optimale chez les personnes atteintes de maladie
chronique incluant le diabète selon plusieurs études.12-14
Dans un souci de mieux comprendre cette problématique de l’adhésion sous optimale au
traitement médicamenteux, plusieurs efforts ont été faits pour en étudier les déterminants.15
L’identification de ces déterminants, notamment les déterminants psychosociaux, permet de
concevoir des interventions psychosociales visant l’amélioration de l’adhésion au
traitement médicamenteux. Ces interventions, plus particulièrement celles basées sur un
modèle théorique, sont considérées comme étant les plus prometteuses que celles qui ne
sont pas basées sur un modèle théorique.16 À notre connaissance, il y a un besoin de
synthèse des connaissances portant sur les déterminants de l’adhésion au TADO pouvant
éclairer les chercheurs et/ou cliniciens dans la conception d’interventions psychosociales
3
visant l’amélioration de l’adhésion au TADO. Bien qu’il existe dans la littérature
scientifique plusieurs interventions psychosociales visant l’amélioration de l’adhésion au
traitement médicamenteux, quelques questions demeurent : quelles sont les composantes
des interventions psychosociales qui pourraient le plus positivement influencer
l’amélioration de l’adhésion au TADO? Quel type d’intervention psychosociale pourrait
efficacement contribuer à l’amélioration de l’adhésion au traitement médicamenteux et
serait plus facile à mettre en œuvre dans les pratiques cliniques?
1.2 Structure de la thèse
La présente thèse est subdivisée en sept chapitres. L’introduction générale est présentée au
chapitre 1. Elle présente la problématique de la thèse. L’état des connaissances des sujets de
la thèse est présenté au chapitre 2. Ce chapitre inclut la définition, la prévalence et le
diagnostic du diabète de type 2; les facteurs de risque du diabète de type 2; l’historique de
la taxonomie de l’adhésion au traitement médicamenteux et ses méthodes de mesure; la
problématique de l’adhésion sous-optimale au TADO dans le monde et au Québec; les
conséquences de l’adhésion sous-optimale au TADO; les déterminants de l’adhésion au
TADO; les modèles théoriques prédictifs de comportement lié à la santé; une revue des
interventions visant à améliorer l’adhésion au TADO; l’entretien motivationnel; et un
résumé de l’état des connaissances. De plus, un court résumé et les perspectives associées
au contenu de chaque section de l’état des connaissances sont présentés à la fin de chacune
d’elles. L’objectif global et les objectifs spécifiques de recherche sont présentés au chapitre
3. La capacité de la théorie du comportement planifié à prédire l’adhésion au TADNI chez
les adultes atteints de diabète de type 2 est présentée sous forme d’article au chapitre 4. Une
revue systématique et méta-analyse sur l’efficacité et le contenu des interventions
psychosociales visant à améliorer l’adhésion au TADO chez les adultes atteints de diabète
de type 2 sont présentées sous forme d’article au chapitre 5. Une deuxième revue
systématique et méta-analyse portant sur l’efficacité des interventions basées sur l’entretien
motivationnel et ses caractéristiques sur l’adhésion au traitement médicamenteux chez les
adultes atteints de maladie chronique sont également présentées sous forme d’un article au
chapitre 6. La conclusion générale de la présente thèse est présentée au chapitre 7 qui inclut
un bref résumé des principaux résultats de la thèse, leurs implications pratiques, les
4
faiblesses et forces et les perspectives de recherche générées.
5
2 Chapitre 2: État des connaissances
2.1 Définition, prévalence et diagnostic du diabète de type 2
Les informations fournies dans cette section proviennent essentiellement des lignes
directrices de pratique clinique en diabète 2012 de la Fédération internationale de diabète,
des lignes directrices canadiennes de pratique clinique en diabète 2013, de quelques articles
basés sur des données canadiennes et des données de plusieurs autres pays du monde.
2.1.1 Définition et prévalence du diabète de type 2
Le diabète est une maladie chronique caractérisée par la présence d’une hyperglycémie qui
est attribuable à un défaut de la sécrétion d’une hormone pancréatique appelée insuline, ou
à un défaut de l’action de cette hormone, ou encore à un défaut des deux.5,7 L’insuline est
une hormone hypoglycémiante sécrétée par les cellules bêta des îlots de Langerhans du
pancréas.5,17 Cette hormone vitale chez l’humain joue un rôle majeur dans l’absorption du
glucose circulant dans le sang et sa transformation en énergie.5,18
Le diabète est classifié en diabète de type 1, diabète de type 2, diabète gestationnel et autres
types particuliers de diabète (relativement rares).5,7 Le diabète de type 2 est le plus fréquent
des diabètes dans le monde,19 et représente 90 % à 95 % de l’ensemble des cas de diabète
au Canada.5 Il est défini comme étant une maladie chronique évolutive caractérisée par une
insulinorésistance accompagnée d’une carence insulinique relative, ou encore comme une
anomalie de sécrétion accompagnée d’une insulinorésistance.2,7
En 2013, le nombre de personnes atteintes de diabète et âgées de 20 à 79 ans dans le monde
a été estimé à 382 millions et passera à 592 millions en 2035.1,2 Au Canada, ce nombre a été
estimé à 2,64 millions en 2013 et passera à 3,46 millions en 2035.1 La prévalence du
diabète standardisée selon l’âge de la population mondiale a été estimée à 8,3 % en 2013 et
passera à 8,8 % en 2035.2 Les prévalences du diabète en 2013 et en 2035 seront assez
similaires au Canada (7,9 % et 7,9 %) ainsi que dans plusieurs pays développés tels que les
États-Unis (9,2 % et 9,2 %), l’Allemagne (8,3% et 8,3 %), l’Espagne (8,2 % et 8,3 %),
6
l’Australie (7,8 % et 7,8%), la France (5,4 % et 5,5 %), les Pays-Bas (5,2 % et 5,3 %),
l’Italie (5,1 % et 5,2 %), le Royaume-Uni (4,9 % et 5,0 %), et la Belgique (4,8 % et 4,8
%).1,2 Au Québec, la prévalence du diabète en 2010 a été estimée à 7,2% et passera à 9,9%
en 2020.6
2.1.2 Diagnostic du diabète de type 2
Le diagnostic du diabète est basé sur le taux de glucose dans le sang (c’est-à-dire la
glycémie) qui peut être mesuré de différentes manières en laboratoire biomédical. Ainsi, le
diagnostic peut se faire avec l’un des paramètres ci-après : la glycémie à jeun (c’est-à-dire
le dosage glycémique réalisé sans aucun apport calorique chez le patient depuis au moins
huit heures, ≥ 7,0 mmol/L; le taux d’HbA1c (c’est-à-dire la moyenne de la glycémie sur
une période de deux à trois mois) ≥ 6,5 % chez l’adulte; le test de glycémie effectué deux
heures après l’ingestion de 75 grammes de glucose ≥ 11,1 mmol/L; et le test de glycémie
aléatoire (c’est-à-dire que le dosage glycémique peut être réalisé à tout moment de la
journée, que la personne ait mangé ou non) ≥ 11,1 mmol/L.7,19 Lorsque l’un de ces
paramètres a une valeur, définissant le diabète, chez une personne ayant une hyperglycémie
asymptomatique, un autre paramètre doit être mesuré à un autre jour pour confirmer le
diagnostic de diabète.7,19 En revanche, cette épreuve de confirmation de diagnostic n’est pas
nécessaire chez une personne ayant une hyperglycémie symptomatique.7,19
Les paramètres utilisés pour le diagnostic du diabète sont des prédicteurs des complications
microvasculaires plus particulièrement la rétinopathie.7,20 Chacun de ces paramètres a des
avantages et des inconvénients. La glycémie à jeun et la glycémie mesurée deux heures
après l’ingestion de 75 grammes de glucose (glycémie post-prandiale) ont des valeurs
établies pour le diagnostic du diabète de type 2 soit ≥ 7 mmol/L et ≥ 11,1 mmol/L
respectivement.7,20 Par contre pour le taux d’HbA1c, les valeurs qui définissent la présence
de diabète peuvent varier en fonction de l’âge et de l’origine ethnique.7,20 La valeur du taux
d’HbA1c n’est pas fiable en présence de divers troubles tels que l’hémoglobinopathie,
l’anémie hémolytique, la carence en fer, une maladie hépatique ou rénale grave.7,20 De plus,
le taux d’HbA1c ne peut pas être utilisé pour diagnostiquer le diabète chez les enfants, les
adolescents, les femmes enceintes, ou en cas de suspicion de diabète de type 1.7,20 Un autre
7
inconvénient du taux d’HbA1c est qu’il doit être mesuré à l’aide d’un test non seulement
validé mais qui doit être aussi normalisé2,7,20 c’est-à-dire, ayant des tranches de valeurs de
la glycémie permettant de discriminer les non-diabétiques, les pré-diabétiques et les
diabétiques. Néanmoins, le taux d’HbA1c a certains avantages importants comparativement
aux autres paramètres. Il est non seulement un indicateur de la glycémie sur une longue
période (deux à trois mois), mais aussi un meilleur prédicteur des complications
macrovasculaires.7,20 De plus, il ne présente que de légères variations comparativement aux
autres paramètres.7,20 En effet, il varie peu chez un même individu parce qu’il représente la
moyenne de la glycémie sur les deux ou trois derniers mois. En revanche, les autres
paramètres comme la glycémie mesurée de différentes manières notamment à jeun, post
prandial, aléatoire sont des mesures ponctuelles qui ne sont pas stables. Par exemple, le
diagnostic peut être erroné si le patient ne fournit pas la bonne information au professionnel
de la santé qui fait la lecture du test. C’est d’ailleurs l’une des raisons pour lesquelles, une
preuve de confirmation est exigée chez les personnes ne présentant pas de symptôme de
diabète.
2.2 Facteurs de risque du diabète de type 2
Pour identifier les facteurs de risque du diabète de type 2, nous avons fait une revue des
revues systématiques/méta-analyses basées sur des études de cohorte, de cas-témoins, et/ou
d’essais contrôlés à répartition aléatoire dans PubMed. Ces devis permettent d’évaluer le
lien de cause à effet entre les facteurs de risque et la survenue du diabète de type 2. Les
revues systématiques/méta-analyses incluses devaient avoir pour objectif d’évaluer
l’association entre au moins un facteur de risque potentiel et la survenue du diabète de type
2. Lorsqu’une même question de recherche était étudiée dans deux revues systématiques/
méta-analyses, celle ayant le plus grand nombre d’études a été considérée. Au total, 17
revues systématiques/méta-analyses ont été retenues. Dans la présente section, les résultats
de ces revues systématiques/ méta-analyses ont été résumés par type de facteur de risque
suivant un ordre décroissant du niveau de risque de survenue du diabète de type 2. Les
facteurs de risque du diabète de type 2 sont catégorisés en facteurs de risque modifiables et
facteurs de risque non modifiables. Les facteurs de risque modifiables sont ceux sur
8
lesquels on peut agir pour prévenir le diabète de type 2. En revanche, les facteurs de risque
non modifiables sont ceux qu’on ne peut modifier mais qu’on peut surveiller afin de
prendre en charge plus précocement le diabète de type 2 dès son apparition.
2.2.1 Facteurs de risque modifiables
2.2.1.1 Habitudes de vie
Plusieurs habitudes de vie constituent des facteurs de risque de diabète de type 2. En effet,
l’ingestion quotidienne d’une certaine quantité de certains aliments augmente le risque de
survenue de diabète de type 2. Ce risque augmente de 51 % pour une consommation de 50
grammes par jour de viande rouge transformée (exemples : bacon, saucisses de bœuf);21 de
45 % à chaque 100 grammes par jour d’apport en sucre induit par les aliments
consommés;22 de 21 % pour une consommation quotidienne élevée de jus de fruits
comparativement à une consommation faible;23 de 19 % pour une consommation de 100
grammes par jour de viande rouge non transformée (exemples : bœuf ou agneau comme
plat principal);21 et de 11 % à chaque augmentation d’une portion de riz blanc consommé
par jour.24
D’autres habitudes de vie augmentent le risque de diabète de type 2. Cette augmentation de
risque est de 45 % en l’absence d’activité physique comparativement à une activité
physique régulière ou occasionnelle;25 de 44 % en présence d’un tabagisme actif (exemple :
fumer une vingtaine de cigarettes ou plus par jour) comparativement à l’absence de
tabagisme;26 de 33 % lorsqu’on a un sommeil court (moins de six heures/ jour);27 et de 26
% en présence d’un tabagisme passif (exemple : vivre ou travailler dans un milieu où les
gens fument) comparativement à l’absence de tabagisme.28
2.2.1.2 Résultats cliniques et paramètres biologiques
Certaines valeurs des résultats cliniques et paramètres biologiques peuvent indiquer le
risque de survenue du diabète de type 2. En effet, l’obésité mesurée à partir des indicateurs
tels que l’indice de masse corporelle, le tour de taille et le quotient du tour de taille sur le
tour de hanches est un facteur de risque de diabète de type 2. Le risque du diabète de type 2
augmente de 160% à chaque gain de 5 kilogrammes par mètre carré de l’indice de masse
9
corporelle.29 Ce risque augmente d’environ 60% à chaque augmentation d’une unité de
l’indice de masse corporelle, du tour de taille, ou du quotient du tour de taille sur le tour de
hanches.30 La présence d’autres maladies peut également constituer un facteur de risque du
diabète de type 2. Les personnes atteintes d’une dépression ont une augmentation de 40%
du risque de diabète de type 2 comparativement à celles non atteintes.31 L’augmentation du
risque de diabète de type 2 est de 30%, chez les personnes ayant des disfonctionnements
microvasculaires comparativement à celles n’en ayant pas.32
Certaines valeurs des paramètres biologiques peuvent également indiquer le risque de
survenue du diabète de type 2. L’augmentation de risque de diabète de type 2 est de 325 %
lorsque la concentration sanguine en triglycérides est égale ou supérieure à 17 mmol/l; de
203 % lorsque la concentration de cholestérol de haute densité (HDL-cholestérol) est faible
(c’est-à-dire inférieure ou égale : à 1,29 mmol/l pour les femmes, et à 1,02 mmol/l pour les
hommes), et de 143 % lorsque les pressions artérielles systolique (≥ 130 mmHg) ou
diastolique (≥ 85 mmHg) sont élevées.25 D’autres paramètres biologiques augmentent
moins le risque de diabète de type 2. L’augmentation de risque du diabète de type 2 est de
30 % à chaque augmentation d’une unité de log picogramme par litre de la protéine
interleukine 6 (marqueurs biologiques de l’inflammation) ou d’une unité de log
milligramme par litre de la protéine C-réactive (marqueurs biologiques de
l’inflammation),33 et de 4 % à chaque diminution de 10 nanomol/l de vitamine D.34
2.2.2 Facteurs de risque non modifiables
2.2.2.1 Facteurs sociodémographiques
Certains facteurs sociodémographiques tels que l’âge et le sexe sont des facteurs de risque
connus du diabète de type 2. En effet, le risque du diabète de type 2 augmente de 90 % à
183 % lorsqu’on passe de la tranche d’âge de 40 à 49 ans à celle de 50 à 59 ans, et de celle
de 40 à 49 ans à celle de 70 à 79 ans respectivement.25 Ceci indique que le risque de diabète
de type 2 augmente avec l’âge. Le fait d’être un homme comparativement à être une femme
augmente de 33 % le risque de diabète de type 2.25
2.2.2.2 Facteurs génétiques et résultats cliniques
10
La présence de certaines prédispositions génétiques chez l’humain augmente le risque de
diabète de type 2. Cette augmentation de risque est de 90 % en présence du génotype
(GSTM1 nul), 35 et de 21 % en présence du polymorphisme (Interleukin 10 gene -1082
A/G). 36
Certains résultats cliniques démontrent une augmentation du risque de diabète de type 2. Ce
risque augmente respectivement de 36% à 47% chez les personnes ayant eu un poids élevé
(> 4000 grammes) ou faible (< 2500 grammes) à la naissance comparativement à celles
ayant eu un poids normal (2500 à 4000 grammes).37
En dehors des facteurs de risque de diabète de type 2 identifiés dans la présente revue de
revues systématiques/méta-analyses, d’autres facteurs de risque sont rapportés dans les
lignes directrices canadiennes de pratique clinique en diabète 2013, chapitre portant sur le
dépistage du diabète de type 1 et de type 2.38 En effet, le fait d’être de race aborigène,
africaine, asiatique, hispanique, descendant de l’Asie australe, ou descendant d’un parent au
premier degré atteint de diabète de type 2 augmenterait le risque de diabète de type 2.38 Il
en serait de même pour le fait de présenter un antécédent de diabète gestationnel, d’avoir
certaines maladies (syndrome ovarien polykystique, ou infection à VIH), ou d’utiliser
certains médicaments (glucocorticoïdes, antipsychotiques atypiques, ou antirétroviraux
hautement actifs).38 Plus d’études originales portant sur ces facteurs énumérés seront
nécessaires pour confirmer ou infirmer ces résultats à travers des revues
systématiques/méta-analyses.
En somme, le risque d’être atteint(e) d’un diabète de type 2 est multifactoriel incluant aussi
bien des facteurs non modifiables que modifiables. La présente synthèse est une revue de
revues systématiques/méta-analyses d’études de cohorte, cas-témoins, et d’essais contrôlés
à répartition aléatoire visant à identifier les facteurs de risque de diabète de type 2. En
conséquence, certains facteurs de risque du diabète de type 2 rapportés dans des études
originales qui ne sont pas incluses dans les revues systématiques/méta-analyses retenues
pourraient avoir été omis. Toutefois, il y a des raisons de croire que les facteurs de risque de
diabète de type 2 ayant fait l’objet d’une revue systématique/méta-analyse seraient ceux
ayant suscité le plus d’intérêt en milieu clinique et de recherche, et donc seraient
11
vraisemblablement les plus importants.
2.3 Contrôle glycémique et complications liées au diabète de type 2
2.3.1 Contrôle glycémique
Selon les lignes directrices de pratique clinique 2012 pour le diabète de type 2 de la
Fédération internationale du diabète, le contrôle glycémique est atteint lorsque le taux
d’HbA1c est inférieur ou égal à 7,0 %.19 Ces valeurs de contrôle glycémique sont aussi
celles utilisées en Australie,39 au Canada,9 aux États-Unis,40 et en France,41 mais pas au
Royaume Uni où le taux d’HbA1c doit être inférieur ou égal à 6,5 %.42 Il est à noter que ces
valeurs du taux d’HbA1c sont appliquées de façon générale chez les personnes atteintes de
diabète de type 2. Toutefois, plusieurs lignes directrices recommandent que ces valeurs
soient individualisées en tenant compte des éléments suivants : l’âge avancé, la présence du
diabète depuis longtemps, le risque de sévérité de l’hypoglycémie, le risque de comorbidité
et l’espérance de vie limitée chez le patient.9,19,40,41 Par exemple, selon les lignes directrices
canadiennes de pratique clinique en diabète 2013, on recommande un taux d’HbA1≤ 6,5 %
pour les personnes atteintes de diabète de type 2 et ayant un risque faible de néphropathie et
de rétinopathie.9
Au fil des années, plusieurs études de synthèse quantitative ont montré que le contrôle
glycémique diminue le risque des complications liées au diabète de type 2.9,19,40,41 On
distingue les complications macrovasculaires et microvasculaires qui sont toutes deux
définies plus loin. Afin de présenter la force des liens entre le contrôle glycémique (c’est-à-
dire maintenir le taux d’HbA1c inférieur à 6 % ou 7 %) et les complications liées au diabète
de type 2, nous avons fait une revue des revues systématiques/méta-analyses ayant évalué
ces liens dans PubMed. Ces revues systématiques/méta-analyses devaient être basées sur
des études de cohorte et/ou des essais contrôlés à répartition aléatoire. Ces devis permettent
d’évaluer le lien de cause à effet entre le contrôle glycémique et la survenue des
complications liées au diabète de type 2. Au total, 12 méta-analyses ont été retenues. Huit
d’entre elles basées sur des essais contrôlés à répartition aléatoire avaient pour objectif
l’évaluation de l’effet du contrôle glycémique intensif sur la survenue des complications
12
liées au diabète de type 2. Au contraire, les quatre revues systématiques/méta-analyses
basées sur des études de cohorte avaient pour objectif l’évaluation du risque des
complications liées au diabète de type 2 suite à un taux d’HbA1c élevé. Toutes ces revues
systématiques/méta-analyses ont été publiées entre 2004 et 2013.
2.3.2 Lien entre taux d’HbA1c et complications macrovasculaires
Les complications macrovasculaires surviennent lorsqu’il y a un dépôt de sucre dans les
gros vaisseaux, destinés à irriguer en particulier le cœur, le cerveau et les jambes, pouvant
induire respectivement les maladies coronariennes, les maladies vasculo-cérébrales et les
maladies artérielles périphériques.3,40 Plusieurs variantes de ces maladies ont été étudiées
dans les revues systématiques/méta-analyses retenues. Dans le souci de faciliter la
compréhension de cette section, une classification de ces variantes a été effectuée en se
basant sur les liens anatomiques entre les gros vaisseaux et les organes affectés. Ainsi, les
maladies coronariennes dues à l’obstruction partielle ou totale des artères coronariennes
couvrent également les variantes telles que l’infarctus du myocarde non mortel, l’infarctus
du myocarde (mortel ou non), l’insuffisance cardiaque chronique, l’insuffisance cardiaque
congestive, et l’insuffisance cardiaque (sans spécification). Les maladies vasculo-cérébrales
dues à une obstruction partielle ou totale des gros vaisseaux (les carotides) qui irriguent le
cerveau couvrent également l’accident vasculo-cérébral non mortel et l’accident vasculo-
cérébral (mortel ou non). Les maladies artérielles périphériques dues à une obstruction
partielle ou totale des vaisseaux cérébraux couvrent également les maladies artérielles
périphériques mortelles et non mortelles, et l’amputation d’un membre inférieur liée au
diabète.
2.3.2.1 Maladies coronariennes
Les résultats des revues systématiques/méta-analyses basées sur des essais contrôlés à
répartition aléatoire sont consistants. En effet, ces résultats ont montré que le contrôle
glycémique intensif (ou strict c’est-à-dire taux d’HbA1c < 6 % ou 7 %) comparé au
contrôle glycémique conventionnel (taux d’HbA1c variant de 7 % à 8,5 %) diminue de 13
% à 16 % le risque d’infarctus du myocarde non mortel chez les personnes atteintes de
diabète de type 2.43-46 L’ampleur de la diminution du risque est de 15 % pour la survenue de
13
l’infarctus du myocarde (mortel ou non).47,48 En revanche, lorsque le contrôle glycémique
intensif est comparé au contrôle glycémique conventionnel, il n’y a pas de différence de
risque de survenue d’une insuffisance cardiaque qu’elle soit chronique,47 congestive,43 ou
sans spécification45 chez les personnes atteintes de diabète de type 2. D’un autre côté, en
s’appuyant sur des revues systématiques/méta-analyses basées sur des études de cohorte,
Selvin et coll. et Zhang et coll. ont montré que le risque de maladie coronarienne chez les
personnes atteintes de diabète de type 2 augmente respectivement de 13 % 49 et de 15 % 50 à
chaque gain d’une unité (1 %) du taux d’HbA1c. Pour le même gain de taux d’HbA1c,
l’augmentation du risque est du même ordre de grandeur pour la survenue de maladie
coronarienne mortelle (soit 16 %),49 ou encore pour l’insuffisance cardiaque congestive
(soit 15 %).51 En revanche, l’augmentation de risque est légèrement moindre pour la
survenue de l’insuffisance cardiaque sans spécification (soit 11 %).50
2.3.2.2 Maladies vasculo-cérébrales
Selon une revue systématique/méta-analyse basée sur cinq essais contrôlés à répartition
aléatoire, le contrôle glycémique intense comparé au contrôle glycémique conventionnel
diminue de 42 % le risque de maladie vasculo-cérébrale chez les personnes atteintes de
diabète de type 2.52 Dans cette méta-analyse, la variable «maladie vasculo-cérébrale» est un
résultat composé qui inclut l’accident vasculo-cérébral mortel ou non, hémorragique ou
thrombotique.52 L’effet protecteur du contrôle glycémique intensif n’est pas démontré pour
le risque de survenue d’un accident vasculo-cérébral non mortel, 43,44,46,50 ou encore d’un
accident vasculo-cérébral (mortel ou non).47,48 En revanche, les résultats de deux revues
systématiques/méta-analyses basées sur des études de cohorte ont montré que le risque
d’accident vasculo-cérébral augmente de 11 %50 et 17 % 49 à chaque augmentation d’une
unité du taux d’HbA1c chez les personnes atteintes du diabète de type 2.
En résumé, bien qu’il n’y ait pas de différence de risques d’accident vasculaire entre le fait
d’avoir un contrôle glycémique intensif et celui d’avoir un contrôle glycémique
conventionnel, l’augmentation d’une unité du taux d’HbA1c est un facteur de risque chez
les personnes atteintes de diabète de type 2.
14
2.3.2.3 Maladies artérielles périphériques
Stettler et coll. en s’appuyant sur une revue systématique/méta-analyse basée sur des essais
contrôlés à répartition aléatoire ont montré que le contrôle glycémique intense comparé au
contrôle glycémique conventionnel diminue de 42 % le risque de maladie artérielle
périphérique chez les personnes atteintes de diabète de type 2.52 Dans cette revue
systématique/méta-analyse, la variable «maladie artérielle périphérique» se définit comme
un résultat composé incluant la claudication intermittente, l’amputation de membre
inférieur liée au diabète, toute chirurgie artérielle périphérique ou angioplastie, et le décès
lié à une maladie artérielle périphérique.52 L’effet protecteur du contrôle glycémique intense
est d’une amplitude de 31 % et 35 %) lorsqu’on considère uniquement la survenue d’une
amputation de membre inférieur liée au diabète.43,44 Aussi, les résultats des revues
systématiques/méta-analyses d’études de cohorte ont montré que l’augmentation du risque
est de 29 % et de 44 % respectivement pour la survenue de maladie artérielle
périphérique,50 et d’amputation de membre inférieur liée au diabète53 à chaque
augmentation d’une unité (1 %) du taux d’HbA1c chez les personnes atteintes de diabète de
type 2.
Bien que peu étudiés dans la littérature scientifique comparativement au taux d’HbA1c,
d’autres paramètres notamment le cholestérol porté par la lipoprotéine de basse densité
(LDL-cholestérol) et la pression artérielle (systolique et diastolique) permettent aussi de
prédire le risque des complications macrovasculaires chez les personnes atteintes de diabète
de type 2.54,55 En effet, les résultats d’une revue systématique/méta-analyse basée sur des
études de cohorte ont montré que l’augmentation d’une unité de concentration de LDL-
cholestérol (1 mmol/l) augmente de 30 % le risque de maladie cardio-vasculaire.54 La
variable «maladie cardiovasculaire» est considérée ici comme un résultat composé qui
inclut l’infarctus du myocarde non mortel, l’accident vasculo-cérébral non mortel, et toute
autre maladie cardiovasculaire mortelle.54 Les résultats d’une autre revue
systématique/méta-analyse basée sur des essais contrôlés à répartition aléatoire ont montré
que le risque d’accident vasculo-cérébral diminue de 13 % à chaque diminution de cinq
millimètres de mercure de la pression artérielle systolique chez les personnes atteintes de
15
diabète de type 2.55 Cette diminution de risque est de 11,5 % à chaque diminution de deux
millimètres de mercure de la pression artérielle diastolique.55 En revanche, la diminution de
la pression artérielle n’influence pas la survenue d’un infarctus du myocarde.55
2.3.3 Lien entre taux d’HbA1c et complications microvasculaires
Les complications microvasculaires surviennent lorsqu’il y a un dépôt de sucre dans les
vaisseaux très fins de certains organes notamment les yeux, les reins et les nerfs pouvant
induire respectivement la rétinopathie, la néphropathie et la neuropathie (sensitive ou
périphérique, pouvant induire l’insensibilité nerveuse au niveau des membres inférieurs; et
automatique pouvant induire le dysfonctionnement sexuel, la gastroparésie).3,40 Au total,
deux revues systématiques/méta-analyses basées sur des essais contrôlés à répartition
aléatoire ont rapporté des résultats sur le lien entre le contrôle glycémique intensif (ou
strict) et la survenue de complication microvasculaire. Ces deux revues
systématiques/méta-analyses ont été publiées en 2013.
2.3.3.1 Rétinopathie
Le contrôle glycémique intensif ou strict comparé au contrôle glycémique conventionnel
diminue de 21 % le risque de rétinopathie chez les personnes atteintes de diabète de type
2.43 Ces résultats sont basés sur une méta-analyse de neuf études.43
2.3.3.2 Néphropathie
Les auteurs des deux revues systématiques/méta-analyses ont rapporté des résultats allant
dans la même direction mais discordants en terme de significativité statistique.43,44 Le
résultat de la première méta-analyse est basé sur 11 études.43 Dans cette première méta-
analyse, le contrôle glycémique intensif comparé au contrôle glycémique conventionnel
diminue de 25 % le risque de néphropathie chez les personnes atteintes de diabète de type
2.43 Le résultat de la deuxième méta-analyse est basé sur trois études.44 Dans ce dernier cas,
l’effet protecteur du contrôle glycémique intensif est plus élevé (31 %) pour le risque de
néphropathie mais est non significatif au seuil statistique de 5 %.44 Il est à noter que toutes
les études de la deuxième méta-analyse44 font partie de celles incluses dans la première
méta-analyse.43 Les critères de sélection des études au niveau de la deuxième méta-
16
analyse44 sont plus restrictifs que ceux de la première méta-analyse.43 Par exemple, la durée
de suivi minimale des participants est de 12 mois pour l’inclusion des études dans la
deuxième méta-analyse,44 tandis qu’il n’y a pas de limite pour la première méta-analyse.43
La période de sélection des études est plus courte pour la deuxième méta-analyse (période :
de janvier 1966 à mai 2011)44 comparativement à celle de la première méta-analyse
(période : de la création des bases consultées jusqu’en décembre 2012).43 On pourrait donc
attribuer l’absence de significativité statistique observée à un manque de puissance
statistique et/ou à un biais de sélection des études au niveau de la deuxième méta-analyse.44
2.3.3.3 Neuropathie
Il ne semble pas avoir d’association entre le contrôle glycémique intense et le risque de
neuropathie périphérique ou automatique.44 Il est à noter que ces résultats sont observés à
partir d’une méta-analyse incluant très peu d’études pour l’évaluation du risque de
neuropathie périphérique ou automatique respectivement trois et deux études. Plus d’études
originales sont donc nécessaires pour confirmer ou infirmer ces résultats.
2.3.4 Conclusion relative au contrôle glycémique
En somme, le contrôle glycémique intensif ou strict chez les personnes atteintes de diabète
de type 2 permet de réduire le risque des complications macrovasculaires notamment les
maladies coronariennes plus particulièrement l’infarctus du myocarde, les maladies
vasculo-cérébrales prises globalement; et les maladies artérielles périphériques plus
particulièrement l’amputation de membre inférieur liée au diabète. Le contrôle glycémique
intensif permet aussi de réduire le risque de complications microvasculaires notamment la
rétinopathie et la néphropathie.
Bien que bénéfique dans la prévention des complications liées au diabète de type 2, le
contrôle glycémique intensif augmente le risque d’hypoglycémie sévère chez les personnes
atteintes de diabète de type 2. En effet, les résultats de trois revues systématiques/méta-
analyses ont montré que le contrôle glycémique intense comparé au contrôle glycémique
conventionnel augmente de 118 % à 139 % le risque d’hypoglycémie sévère. 43-45 Il en
résulte que le contrôle glycémique intensif devrait s’effectuer en tenant compte du statut
17
hypoglycémique du patient. Aussi, la valeur cible du taux d’HbA1c devrait être relativisée
en fonction du profil du patient (exemples, l’âge, l’ethnie) tel que recommandé par
plusieurs lignes directrices de pratique clinique en diabète.9,19,39,40,42
En dehors du contrôle glycémique intensif, il est également documenté que l’augmentation
d’une unité (1 %) du taux d’HbA1c chez les personnes atteintes de diabète de type 2 est un
facteur de risque pour la survenue des complications macrovasculaires. Il s’agit notamment
des maladies coronariennes en particulier l’insuffisance cardiaque (congestive ou sans
spécification); des maladies vasculo-cérébrales en particulier l’accident vasculo-cérébral; et
les maladies artérielles périphériques en particulier l’amputation de membre inférieur liée
au diabète.
2.4 Traitements du diabète de type 2
2.4.1 Prise en charge thérapeutique du diabète de type 2
Les différentes lignes directrices de pratique clinique en diabète de type 2, qu’elles soient
nationales8,39-42 ou internationales,19,56 s’accordent sur les trois types de traitement du
diabète de type 2 : 1) la diète, 2) l’activité physique et 3) la médication. Toutefois, il y a de
légères variantes dans le processus de prise en charge du patient selon les différentes lignes
directrices.8,19,39-42,56 Dans cette section, nous avons rapporté la prise en charge
thérapeutique du diabète de type 2 selon les lignes directrices canadiennes.8 Étant donné
que le diabète de type 2 est une maladie évolutive, c’est-à-dire, une détérioration
progressive de la fonction des cellules bêta du pancréas, son traitement doit être
dynamique, et donc induit un réajustement de dose, un ajout ou un changement de
médicament antidiabétique.8 Lorsque le diabète de type 2 est diagnostiqué précocement
chez une personne ayant un taux d’HbA1c moins élevé (c’est-à-dire taux d’HbA1c ≤ 8,5
%), cette dernière est soumise à un traitement non médicamenteux notamment la diète et
l’activité physique.8 Si au bout de deux à trois mois, le contrôle glycémique n’est pas atteint
(taux normal d’HbA1c ≤ 7 % en général), le patient est soumis à un traitement
médicamenteux en plus du traitement non médicamenteux.8 Si au cours du suivi du diabète
de type 2, le contrôle glycémique n’est pas atteint au bout de trois à six mois, le patient est
18
soumis à une modification de traitement médicamenteux : le réajustement de dose de
médicament antidiabétique, le changement de classe thérapeutique de médicament
antidiabétique, ou encore l’ajout d’un médicament antidiabétique appartenant à une autre
classe thérapeutique.8 Si au cours de l’évolution du diabète de type 2, le contrôle
glycémique n’est pas atteint au bout de trois à six mois, d’autres modifications
thérapeutiques devraient être faites.8 Le choix du type de modification de traitement se fait
en tenant compte à la fois des caractéristiques des médicaments à utiliser et du portrait
clinique du patient.8 Les caractéristiques des médicaments incluent l’efficacité et la
durabilité de la réduction de la glycémie, le risque d’hypoglycémie et de surpoids, les
contre-indications et les coûts.8 Tandis que, le portrait clinique du patient inclut le degré
d’hyperglycémie, le risque d’hypoglycémie, l’embonpoint, l’obésité et les affections
concomitantes rénales, cardiaques ou hépatiques.8
Bien que tous les trois types de traitement précédemment cités soient importants pour le
contrôle du diabète de type 2, le traitement médicamenteux devient incontournable après un
certain temps compte tenu de l’aspect évolutif de la maladie. Il existe deux grandes
catégories de traitement médicamenteux : 1) les insulines et 2) les médicaments
antidiabétiques non-insuliniques. Ces derniers sont subdivisés en cinq classes
thérapeutiques d’antidiabétiques oraux et une classe d’antidiabétiques injectables non-
insuliniques. Les médicaments antidiabétiques non-insuliniques notamment les
antidiabétiques oraux sont les plus fréquemment utilisés chez les personnes atteintes de
diabète de type 2, soit près de 60 % des cas selon deux sondages d’envergure nationale,
l’un fait au Canada5,57 et l’autre aux États-Unis.5,57 La section suivante vise donc à décrire
les mécanismes d’action, l’efficacité et les effets secondaires des médicaments
antidiabétiques non-insuliniques.
2.4.2 Mécanismes d’action, efficacité et effets indésirables
Les classes d’ADO incluent les biguanides (la metformine), les thiazolidinediones, les
sécrétagogues de l’insuline, les inhibiteurs des alpha-glucosidases, et plus récemment les
inhibiteurs de la dipeptidyl peptidase-4 (DPP-4).8,56 La classe non insulinique injectable,
encore plus récente, inclut les agonistes des récepteurs du glucagon-like peptide (GLP-
19
1).8,56 Il existe aussi des traitements antidiabétiques combinés obtenus à partir de la
combinaison de deux médicaments ADO.8,56 Ces traitements antidiabétiques combinés
permettent de réduire le nombre de comprimés afin de diminuer la complexité du traitement
et ainsi faciliter la prise des médicaments.
2.4.2.1 Biguanides
Les biguanides notamment la metformine est la classe thérapeutique qui accroît la
sensibilité à l’insuline dans les tissus périphériques et dans le foie.8 La metformine diminue
la production hépatique de glucose par inhibition de la néoglucogenèse, inhibe la lipolyse
au niveau du tissu adipeux et la production hépatique des lipoprotéines de très faible
densité.58 De plus, la metformine est efficace pour améliorer la fonction des cellules «bêta»
du pancréas qui consiste à produire et à libérer de l’insuline.59 L’efficacité de la metformine
en monothérapie ou en combinaison avec un autre ADO ou de l’insuline a été démontrée à
travers plusieurs essais contrôlés à répartition aléatoire. En effet, selon une méta-analyse
basée sur des essais contrôlés à répartition aléatoire, la metformine en monothérapie
comparée au placebo diminue de 1,12 unité le taux d’HbA1c (en %) chez les personnes
atteintes de diabète de type 2.60 Cette réduction du taux d’HbA1c (en %) est de 0,95 unité
lorsque la metformine est combinée à un autre ADO, et de 0,83 unité lorsque la metformine
est combinée à l’insuline.60
La prise de la metformine en monothérapie augmente de 13 % le risque d’effets
indésirables en général, et de 126 % le risque de trouble gastro-intestinal.60 En revanche, la
prise de la metformine combinée avec un autre antidiabétique (oral ou insuline) n’augmente
pas substantiellement le risque d’effet indésirable en général.60 Toutefois, la prise de la
metformine combinée avec un ADO augmente de 55 % le risque de trouble gastro-
intestinal.60
2.4.2.2 Thiazolidinediones
Les thiazolidinediones tels que la pioglitazone et la rosiglitazone constituent une classe
thérapeutique qui améliore également la sensibilité à l’insuline dans les tissus périphériques
et dans le foie, ceci en activant les récepteurs gamma.8 La pioglitazone améliore aussi la
20
fonction des cellules «bêta» mais moins que la metformine.59 Selon une méta-analyse basée
sur des essais contrôlés à répartition aléatoire, la pioglitazone et la rosiglitazone comparées
au placebo diminuent respectivement de 0,37 et de 0,65 unité le taux d’HbA1c (en %).61 La
pioglitazone combinée à l’insuline diminue de 0,58 et de 1,22 unité le taux d’HbA1c (en %)
respectivement selon les méta-analyses de Clar et coll.62 et de Tan et coll.63 Ces deux méta-
analyses sont basées respectivement sur huit et quatre essais contrôlés à répartition
aléatoire.62,63 Ceci pourrait expliquer en partie la différence observée entre leurs résultats.
L’utilisation des thiazolidinediones peut induire des effets indésirables notamment le cancer
de la vessie et l’hypoglycémie. En effet, selon une méta-analyse d’études de cohorte,
l’utilisation de la pioglitazone augmente de 17 % le risque de cancer de la vessie.64 La
pioglitazone combinée à l’insuline augmente de 57 % le risque d’hypoglycémie chez les
personnes atteintes de diabète de type 2.63
2.4.2.3 Sécrétagogues de l’insuline
Les sécrétagogues de l’insuline constituent la classe thérapeutique qui active les récepteurs
des sulfonylurées sur les cellules «bêta» pour stimuler la sécrétion de l’insuline.8 Les
sécrétagogues de l’insuline, en l’occurrence les sulfonylurées en monothérapie comparées
au placébo diminuent de 1,51 unité le taux d’HbA1c (en %) selon une méta-analyse basée
sur des essais contrôlés à répartition aléatoire.65 Lorsque les sulfonylurées sont combinées à
la metformine ou à l’insuline, la réduction du taux d’HbA1c (en %) est respectivement de
0,76 66 et de 0,46. 65 Mieux, les sulfonylurées prises globalement (combinées et non-
combinées) diminuent de 2,31 kilogrammes le poids corporel chez ses utilisateurs.65 De
plus, combinées à la metformine, les sulfonylurées augmentent de 25 % le risque de trouble
du système digestif.66 Toutefois, l’utilisation des sulfonylurées peut aussi induire des effets
indésirables chez les personnes atteintes de diabète de type 2. Selon une méta-analyse
d’essais contrôlés à répartition aléatoire, les sulfonylurées combinées à la metformine
augmentent de 27 % le risque de trouble du système nerveux.66 Aussi, les sulfonylurées
prises globalement (combinées et non-combinées) augmentent de 141 % le risque
d’hypoglycémie chez les utilisateurs.65
21
2.4.2.4 Inhibiteurs des alpha-glucosidases
Les inhibiteurs des alpha-glucosidases (l’acarbose) inhibent l’alpha-amylase pancréatique
et les alpha-glucosidases intestinales diminuant ainsi l’absorption intestinale du glucose et
la glycémie post-prandiale.8,67 L’acarbose en monothérapie comparé au placebo diminue de
0,60 et de 0,77 unité le taux d’HbA1c (en %) respectivement selon la méta-analyse
d’Hanefeld et coll.,68 et celle de Van de Laar et coll.69 Mieux, l’acarbose comparée au
placebo diminue de 64 % le risque d’infarctus du myocarde et de 35 % le risque de tout
évènement cardio-vasculaire.68 En revanche, l’acarbose comparé au placebo augmente de
façon importante le risque des effets indésirables, soit de 237 %.68 Aucun effet indésirable
grave lié à l’acarbose n’a été rapporté.68 Toutefois, les plaintes les plus fréquentes étaient
les troubles gastro-intestinaux tels que la diarrhée, les flatulences et les douleurs
abdominales.68
2.4.2.5 Inhibiteurs de la dipeptidylpeptidase-4 (DPP-4)
Les inhibiteurs de la DPP-4 amplifient la route d’activation des incrétines par l’inhibition
de la dégradation des hormones digestives du GLP-1 et du glucose-dependent
insulinotropic peptide.8,67 Ces hormones digestives potentialisent l’effet des nutriments sur
la sécrétion de l’insuline mais sont rapidement dégradées par la DPP-4.67 Les inhibiteurs de
la DPP-4 comparés au placebo diminuent le taux d’HbA1c (en %) de 0,57 unité sur une
période de suivi de 24 semaines et plus selon la méta-analyse de Liu et coll.,70 et de 0,76
unité sur une période de suivi de 12 semaines et plus selon la méta-analyse de Park et coll.71
Lorsqu’ils sont combinés à la metformine, les inhibiteurs de la DPP-4 diminuent de 0,54
unité le taux d’HbA1c (en %) avec un effet non significatif sur le risque d’hypoglycémie.71
Toutefois, les inhibiteurs de la DPP-4 en monothérapie augmentent de 32 % le risque
d’hypoglycémie.71
Les agonistes des récepteurs GLP-1 constituent la classe thérapeutique des nouveaux
médicaments qui amplifient la route d’activation des incrétines en utilisant un analogue
DPP-4 résistant au GLP-1.8 Ces agonistes (l’exénatide et la liraglutide) comparés aux autres
ADO ou insuline diminuent de 0,41 unité le taux d’HbA1c (en %).72 L’exénatide en
monothérapie comparé au placebo diminue de 0,68 et de 0,99 unité le taux d’HbA1c (en %)
22
respectivement pour les doses de cinq microgrammes (2 fois par jour) et de 10
microgrammes (2 fois par jour) selon une méta-analyse d’essais contrôlés à répartition
aléatoire.73 Mieux, l’exénatide comparé au placebo diminue de 0,56 kilogramme et de 1,24
kilogramme le poids corporel respectivement pour les doses de cinq microgrammes (2 fois
par jour) et de 10 microgrammes (2 fois par jour).73 Toutefois, l’utilisation de l’exénatide
peut induire aussi des effets indésirables chez les personnes atteintes de diabète de type 2.
En effet, l’exénatide comparé au placebo augmente de 119 % et de 218 % le risque
d’hypoglycémie, de 113 % et de 216 % le risque de nausée respectivement pour les doses
de cinq microgrammes (2 fois par jour) et de 10 microgrammes (2 fois par jour).73
En somme, les médicaments antidiabétiques non-insuliniques en monothérapie, combinés
entre eux, ou combinés à l’insuline permettent de réduire le taux d’Hb1Ac, tout en ayant
des effets secondaires de nature et d’intensité variables. Toutefois, la metformine et les
sulfonylurées en monothérapie se démarquent du reste avec les plus fortes réductions du
taux d’HbA1c. Elles contribuent substantiellement à un meilleur contrôle glycémique chez
les personnes atteintes de diabète de type 2 et pourraient donc être utilisées comme
traitements antidiabétiques de première intention en l’absence de contre-indication. En
revanche, la littérature consultée ne nous a pas permis d’identifier, de façon non équivoque,
la classe thérapeutique qu’il faudrait combiner à la metformine ou aux sulfonylurées pour
optimiser le traitement antidiabétique. Ceci, lorsque le contrôle glycémique n’est pas atteint
suite à l’utilisation de la metformine ou des sulfonylurées en monothérapie. De futures
études seront nécessaires pour élucider le choix de la classe thérapeutique appropriée.
2.5 Définition de l’adhésion au traitement et méthodes de mesure
2.5.1. Définition de l’adhésion au traitement médicamenteux
L’adhésion au traitement est un concept qui décrit le comportement du patient face à un
traitement prescrit. Plusieurs chercheurs ou groupes de chercheurs ont tenté de standardiser
la définition de ce concept. Une revue systématique récente a montré que la terminologie de
ce concept a évolué au cours du temps.74 Selon cette revue, plus d’une dizaine de
terminologies ont été utilisées pour tenter de décrire le comportement du patient face à un
23
traitement prescrit. Toutefois, les terminologies les plus fréquentes étaient de façon
chronologique : l’observance (c’est-à-dire patient compliance en anglais), l’adhésion (c’est-
à-dire adherence en anglais), la concordance (c’est-à-dire concordance en anglais) et la
persistance (c’est-à-dire persistence en anglais).74
2.5.1.1 Observance
En 1976, Haynes et Sackett ont introduit en médecine la terminologie observance pour
désigner l’adhésion au traitement.75 Ils l’ont définie comme étant la mesure dans laquelle le
comportement du patient, en termes de prise de médicament, suivi de diète, ou exécution de
changement d’autres habitudes de vie, coïncide avec la prescription clinique.75 En 1979,
Haynes et coll. ont légèrement modifié cette définition qui est devenue la mesure dans
laquelle le comportement du patient en termes de prise de médicament, suivi de diète, ou
exécution de changement d’autres habitudes de vie est en adéquation avec les
recommandations médicales ou liées à la santé.76 Dans le but d’intégrer la notion de
collaboration entre le patient et le prescripteur, une adaptation de la définition originale a
été faite en 1982 par Dracup et Meleis.77 En effet, ils ont défini la terminologie observance
comme étant la mesure dans laquelle un individu choisit d’adopter des comportements qui
coïncident avec une prescription clinique délivrée de manière consensuelle entre cet
individu et son professionnel en soins de santé.77 En 1997, Urquhart a défini l’observance
comme étant la mesure dans laquelle, l’historique des doses prises correspond au traitement
prescrit.78
2.5.1.2 Adhésion
Cette terminologie a été introduite pour évoquer l’idée de coopération entre le patient et le
prescripteur, en opposition à l’idée d’obéissance passive du patient aux instructions du
prescripteur que véhicule la terminologie observance.15,79 En 1987, Meichenbaum et Turk
l’ont définie comme étant le degré avec lequel un patient suit les instructions, les
proscriptions et les prescriptions de son médecin.79 En 1997, the American Heart
Association l’a définie comme étant un processus comportemental fortement influencé par
l’environnement (incluant le système et les pratiques en soins de santé) dans lequel le
patient vit.80 Plus tard en 2003, l’Organisation Mondiale de la Santé (OMS) l’a définie
24
comme étant la mesure par laquelle le comportement d’un patient en termes de prise de
médicament, suivi de diète, et/ou exécution de changement d’autres habitudes de vie
correspond aux recommandations agréées d’un professionnel en soins de santé.15 En 2005,
Balkrishnan en s’intéressant à l’importance de l’adhésion au traitement médicamenteux
dans l’amélioration des résultats de santé liés aux maladies chroniques, a suggéré une
nouvelle définition de l’adhésion.81 Balkrishnan l’a alors définie comme étant la mesure
dans laquelle un patient participe à une thérapie après qu’il ou elle ait approuvé cette
thérapie.81
2.5.1.3 Concordance
Cette terminologie a été introduite par la Royal Pharmaceutical Society of Great Britain
dans la même période que l’introduction de la terminologie "adhésion".82 La terminologie
"concordance" est suggérée en remplacement de la terminologie "observance" pour les
mêmes raisons que la suggestion de l’adhésion en remplacement de l’observance (citées
plus tôt).83,84 La concordance est définie comme étant l’accord entre le patient et le
professionnel en soins de santé.84 Cet accord est atteint après négociation entre le patient et
le professionnel en soins de santé, et doit respecter les croyances et les souhaits du patient
dans la détermination de si, quand et comment son médicament est pris.84 Cette
terminologie privilégie la décision du patient.84
2.5.1.4 Persistance
Cette terminologie a été introduite en 2001 par Urquhart pour décrire le temps entre
l’initiation d’un traitement et son arrêt.85 Cette définition a été reprise en 2005 par Wahl et
coll.86 et Sikka et coll.,87 en 2008 par Cramer et coll.88 et en 2012 par Vrijens et coll.74
Toutefois, Sikka et coll. y avaient apporté une petite nuance.87 La non-persistance au
traitement devrait se distinguer de l’arrêt du traitement nommé en anglais discontinuation.87
En effet, la non-persistance décrit une situation dans laquelle le patient ne prend pas son
traitement sur une période de temps substantielle mais pourrait le reprendre dans le futur. 87
En revanche, dans le cas de l’arrêt du traitement, le patient ne reprendra plus jamais son
traitement.87 Il en résulte que l’arrêt du traitement est difficile à déterminer avec certitude
sauf dans le cas d’un changement de traitement.
25
2.5.1.5 Adhésion multidimensionnelle
L’adhésion au traitement a été longtemps définie comme un concept unidimensionnel.
Toutefois, cette perception a changé avec l’introduction de la terminologie "persistance".
En effet, plusieurs auteurs considèrent de plus en plus l’adhésion comme un concept
générique multidimensionnel pouvant décrire les différentes étapes du processus de la prise
du traitement par le patient.74,85,86,88 Récemment en 2012, Vrijens et coll. ont suggéré une
nouvelle taxonomie de l’adhésion suite à un consensus européen.74 Ils ont défini l’adhésion
comme étant le processus par lequel les patients prennent leurs médicaments tels que
prescrits. Ce processus est formé de trois composantes : 1) l’initiation, 2) l’arrêt et 3) la
mise en œuvre.74 L’initiation du traitement qu’on pourrait assimiler à l’acceptation du
traitement survient lorsque le patient prend la première dose du médicament prescrit.74
L’arrêt d’un traitement se définit comme étant la fin du traitement et survient lorsque le
patient oublie de prendre les doses subséquentes et ne prend aucune dose par la suite.74
Toutefois, il faut noter que le patient peut aussi volontairement arrêter son traitement pour
une raison autre que l’oubli. La persistance à prendre un traitement se définit comme étant
la période de temps entre l’initiation du traitement et la prise de la dernière dose qui
précède immédiatement l’arrêt du traitement.74 Enfin, la mise en œuvre de la posologie
qu’on pourrait assimiler à l’observance du traitement se définit comme étant la mesure par
laquelle la posologie réellement suivie par un patient correspond à celle qui lui a été
prescrite, ceci depuis l’initiation du traitement jusqu’à la dernière dose prise par le patient.74
La posologie est la description de la dose et des heures de prise du médicament.
En somme, l’adhésion au traitement est un concept difficile à cerner dans sa globalité avec
une seule dimension. Cette problématique est encore plus pertinente lorsqu’on s’intéresse
aux traitements de longue durée (exemple, les traitements antidiabétiques) qui nécessitent
un suivi à long terme. La taxonomie issue du consensus européen pourrait être une solution
efficace à la standardisation de la définition du concept de l’adhésion au traitement.
Chacune des composantes de l’adhésion au traitement constitue un comportement de santé
distinct qui devrait être prise en compte dans le suivi des traitements et plus
particulièrement dans le suivi des traitements de longue durée. Les terminologies
26
«adhésion» et «observance» sont utilisées de façon interchangeable dans la littérature.
Selon la littérature consultée, il n’y a pas de mesure résumant les trois composantes de
l’adhésion. Nous avons donc utilisé la terminologie générique «adhésion» pour désigner
l’observance d’un traitement dans le reste de cette thèse.
2.5.2 Méthodes de mesure de l’adhésion au traitement
Plusieurs méthodes sont utilisées pour mesurer l’adhésion au traitement médicamenteux et
peuvent être regroupées en méthodes directes et indirectes.89 Chacune de ces méthodes
présente des avantages et des inconvénients qui sont décrits dans le tableau 2.1. Les
méthodes directes sont en général plus fiables c’est-à-dire plus précises que les méthodes
indirectes.89 Les méthodes directes sont très souvent objectives. Toutefois, elles sont en
général plus coûteuses, parfois moins pratiques et difficiles à réaliser comparativement aux
méthodes indirectes.
Tableau 2.1: Méthodes de mesure de l’adhésion au traitement médicamenteux présentant quelques avantages et inconvénients Méthodes
Avantages Inconvénients
Méthodes directes Observation directe de la prise du traitement
Objective Précise
Patient peut dissimuler le médicament dans la bouche et le rejeter ensuite
Pas pratique en clinique Coûteuse
Mesure du niveau sérique du médicament ou métabolite sanguin
Objective Utile en essais
cliniques
Variabilité selon le métabolisme
Possibilité de fausse impression d’adhésion
Coûteuse Nécessité de
prélèvements sanguins Mesure de marqueurs biologiques sanguins (exemple : mesure de la glycémie après la prise d’un antidiabétique)
Objective Utile en essais
cliniques
Nécessité de prélèvements sanguins
Peut être influencée par d’autres facteurs
Coûteux
27
Méthodes Avantages Inconvénients
Méthodes indirectes Questionnaires adressés au patient ou à l’aidant selon le cas
Simples Pas coûteux Plus pratiques en
clinique
Subjectifs Résultats peuvent
facilement être falsifiés par le patient
Susceptibles de biais de mémoire
Décompte de pilules restantes
Objectif Pas coûteux Facile à réaliser
Données facilement altérables par le patient (exemple : jeter des pilules avant le compte)
Dossiers administratifs de pharmacie des patients (taux de renouvellement des prescriptions)
Objectifs Pas coûteux Données
manquantes limitées
Renouvellement d’une prescription n’équivaut pas à l’ingestion du médicament
Exigence de fiabilité des bases de données pharmaceutiques
Évaluation du résultat clinique du patient
Objective Simple Facile à réaliser en
général
D’autres facteurs peuvent influencer le résultat clinique
Peut être coûteuse Dispositifs électroniques de médicament
Objectifs Précis le modèle de prise
du médicament dans le temps peut être tracé
Coûteux Nécessité de visites de
suivi et de téléchargement des données du dispositif électronique
Mesure de marqueurs physiologiques (exemple : la mesure de la fréquence cardiaque après la prise de béta-bloquant)
Objective Souvent facile à
réaliser
Le marqueur peut être absent pour d’autres raisons (exemple : faible absorption du médicament)
Journal de bord Pas coûteux Aide à corriger les
faibles rappels
Subjectif Facile à tronquer par le
patient Pas pratique
Les informations rapportées dans ce tableau ont été obtenues à partir de deux références89,90
Pour plusieurs raisons dont quelques-unes citées ci-dessus, les méthodes indirectes
semblent être préférées, et sont les plus utilisées selon la littérature scientifique.14,90,91
28
Grossec et coll.90 et de Zhang et coll.,91 à travers des revues systématiques publiées
respectivement en 2007 et 2014, ont identifié les méthodes de mesure de l’adhésion au
traitement médicamenteux dans les essais cliniques. Les méthodes de mesure les plus
fréquemment utilisées sont le décompte de pilules restantes avec 53,6 % et 56,8 %, et
l’auto-rapport de l’adhésion avec 30,3 % et 24,3 % pour la revue de Grossec et coll. et celle
de Zhang et coll. respectivement. Le décompte de pilules restantes est une méthode de
mesure indirecte et objective tandis que l’auto-rapport de l’adhésion est une méthode de
mesure indirecte et subjective. Toutefois, selon une méta-analyse,92 la méthode d’auto-
rapport est un bon estimateur de l’adhésion au traitement médicamenteux en dépit de son
caractère subjectif. Il existe plusieurs outils pour l’auto-rapport de l’adhésion par le patient.
Lavsa et coll.93 et de Culig et coll.94 ont tenté d’identifier la meilleure mesure auto-
rapportée de l’adhésion au traitement médicamenteux en se basant sur deux revues
systématiques publiées respectivement en 2011 et 2014. Selon ces revues, le questionnaire
de Morisky à huit items 95 semble être la meilleure mesure auto-rapportée de l’adhésion au
traitement médicamenteux.93,94 Ce choix est basé notamment sur ses bonnes propriétés
psychométriques, la facilité à l’adapter à plusieurs maladies chroniques, et son petit nombre
d’items (N= 8).93,94 Selon une étude originale publiée en 2014, le taux d’HbA1c diminuait
avec l’augmentation du score total du questionnaire de Morisky à huit items.96 C’est-à-dire
que le contrôle glycémique augmentait avec le score d’adhésion mesurée à partir du
questionnaire de Morisky. Dans cette étude, le questionnaire de Morisky visait à mesurer
l’adhésion au TADO chez des adultes atteints de diabète de type 2. Le taux d’HbA1c a été
évalué au cours les six derniers mois.96 Un patient ayant un score total élevé du
questionnaire de Morisky est considéré comme ayant une bonne adhésion au traitement
médicamenteux.95
Comparativement aux autres méthodes de mesure de l’adhésion au traitement
médicamenteux, celles basées sur les dossiers de pharmacie sont plus récentes mais sont de
plus en plus utilisées notamment dans les études autres que les essais cliniques. En effet,
l’étude de la fréquence d’utilisation des méthodes de mesure de l’adhésion au traitement
médicamenteux a fait l’objet de deux revues de littérature. Selon l’une de ces revues
publiée en 2006, basée sur différentes sortes de devis d’études, et portant uniquement sur
29
les méthodes de mesure de l’adhésion au traitement antipsychotique, l’adhésion a été
mesurée 258 fois dans 161 études retenues. Les dossiers de pharmacie ont été utilisés dans
3,1% des cas pour la mesure de l’adhésion.90 Selon l’autre revue publiée en 2007, basée sur
des essais contrôlés à répartition aléatoire, et portant sur les méthodes de mesure de
l’adhésion au traitement médicamenteux, les dossiers de pharmacie étaient utilisés dans
seulement 2,9% des 192 essais retenus.90 Une autre revue publiée en 2013 avait pour
objectif d’évaluer les différentes méthodes de mesure de l’adhésion au traitement
médicamenteux à partir des dossiers de pharmacie.97 Au total, 36 études originales publiées
entre 2000 et 2012 étaient incluses dans cette revue. Ceci indique une augmentation
substantielle de l’utilisation des dossiers de pharmacie pour la mesure de l’adhésion. Une
vingtaine de méthodes de mesure de l’adhésion au traitement médicamenteux basées sur
des dossiers de pharmacie étaient identifiées dans cette revue de Sattler et coll.97 Les
méthodes de mesure les plus fréquemment utilisées étaient le ratio de possession de
médicaments (medication possession ratio en anglais) et la proportion de jours couverts
(proportion of days covered en anglais) rapportés respectivement dans 65 % et 30 % des
études originales.97 Le ratio de possession de médicaments est un ratio dont : le numérateur
est la somme juxtaposée des jours d’approvisionnement de médicaments sans tenir compte
des chevauchements et le dénominateur est le nombre total de jours de suivi.97 La
proportion de jours couverts est le ratio dont : le numérateur est le nombre de jours couverts
par les médicaments et le dénominateur est le nombre total de jours de suivi.97 Le ratio de
possession de médicaments exprimé en pourcentage peut avoir une valeur supérieure à
100% tandis que la proportion de jours couverts exprimée en pourcentage a une valeur
toujours inférieure ou égale à 100%.
Des preuves de validation de ces deux méthodes de mesure de l’adhésion ont été étudiées
chez des personnes atteintes de diabète dans une étude originale.98 La dite étude avait pour
objectif d’évaluer la capacité prédictive de huit différentes mesures d’adhésion au
traitement médicamenteux obtenues à partir des dossiers de pharmacie de patients atteints
de diabète.98 Selon cette étude, le ratio de possession de médicaments et la proportion de
jours couverts sont les meilleurs prédicteurs d’épisodes d’hospitalisation chez les patients
atteints de diabète.98 Mieux, selon une autre étude originale, le seuil de 80 % pour le ratio
30
de possession de médicament ou pour la proportion de jours couverts serait raisonnable
pour distinguer les adhérents (≥ 80 %) des non-adhérents (< 80 %) aux traitements de
longue durée notamment chez les personnes atteintes de schizophrénie, de diabète,
d’hypertension artérielle, d’insuffisance cardiaque congestive, ou d’hyperglycémie.99
En somme, les méthodes de mesure sont très variées et les plus utilisées sont les mesures
indirectes. La méthode par décompte de pilules restantes est privilégiée dans les essais
contrôlés à répartition aléatoire suivi des méthodes auto-rapportées. Le questionnaire de
Morisky à huit items semble être la meilleure méthode auto-rapportée. Les dossiers de
pharmacie des patients sont de plus en plus utilisés pour mesurer l’adhésion au traitement
médicamenteux, ceci avec une variété de méthodes. Parmi ces méthodes, les plus
fréquemment utilisées et ayant de bonnes preuves de validation, on retrouve : le ratio de
possession de médicaments et la proportion de jours couverts.
2.6 Problématique de l’adhésion sous-optimale au traitement antidiabétique oral dans le monde et au Québec
L’adhésion au traitement médicamenteux est, en général, sous-optimale chez les personnes
atteintes de différentes maladies incluant le diabète.13,14 Di Matteo et coll. ont publié une
méta-analyse incluant 569 études publiées entre 1948 et 1998 pour décrire l’adhésion aux
recommandations médicales couvrant 17 maladies y compris le diabète.14 Parmi ces études,
328 avaient pour objectif d’évaluer l’adhésion au traitement médicamenteux avec
différentes méthodes de mesure (décompte de pilules restantes, dispositifs électroniques et
auto-rapports) sans spécification de la période de mesure. Les auteurs ont observé que le
niveau moyen d’adhésion au traitement médicamenteux était globalement de 79,4 %. Il n’y
a pas eu une mesure globale spécifique de l’adhésion au traitement médicamenteux pour
chacune des maladies étudiées dans cette méta-analyse.14 En revanche, dans une revue de
littérature analysant 20 études publiées entre 1966 et 2003, Cramer et coll. ont rapporté des
données quantitatives sur l’adhésion au traitement médicamenteux chez les personnes
atteintes de diabète de type 2.100 Parmi les études analysées, il y avait 11 études
rétrospectives utilisant de grandes bases de données administratives (dossiers de pharmacie
des patients) pour mesurer l’adhésion au TADO (pourcentage de doses prises sur une
31
période de temps fixe); et cinq études prospectives utilisant un dispositif électronique pour
mesurer l’adhésion au TADO (pourcentage de doses prises telles que prescrites). Selon les
études rétrospectives, l’adhésion variait globalement de 36 % à 93 % chez les personnes
ayant persisté au TADO sur une période de 6 à 36 mois. Les participants d’une seule de ces
études avaient une adhésion inférieure à 50 %. Selon les études prospectives, l’adhésion
avait une étendue plus étroite allant de 61 % à 85 % sur une période d’un à 6 mois
d’observation.100
En ce qui concerne la persistance évaluée dans les bases de données administratives, elle
était mesurée comme étant le pourcentage de personnes ayant poursuivi le TADO sur une
période fixe (modèle anniversaire). Ainsi, selon sept études originales rétrospectives, le
pourcentage de persistants variait de 16 % à 80 % sur une période de 6 à 24 mois.100
Selon les revues consultées, il n’y avait aucune information sur l’acceptation du traitement
médicamenteux qui est la première dimension de l’adhésion au traitement médicamenteux.
Le résumé de ces revues et de la méta-analyse montre que les valeurs de l’adhésion sont
largement variables chez les personnes atteintes du diabète de type 2. Il en est de même
pour la persistance. Cette grande variabilité des résultats pourrait s’expliquer, en partie, par
le devis des études, le stade d’utilisation du médicament chez les participants, le type de
méthode de mesure, et la durée de la période de mesure. Bien que ces synthèses de
littérature indiquent globalement que l’adhésion au traitement médicamenteux est sous-
optimale, elles datent et demeurent insatisfaisantes à cause de la forte hétérogénéité
méthodologique.
Dans le but d’avoir une synthèse plus homogène des connaissances récentes sur l’adhésion
au TADO dans un contexte d’études non expérimentales, nous avons fait une revue de
littérature basée sur une stratégie de recherche systématique d’études dans Pubmed. Voici la
stratégie qui a été utilisée : (Hypoglycemic agents [Mesh] OR antidiabetic agents [tiab] OR
oral antidiabetic medication [tiab] OR oral hypoglycemic agent [tiab] OR oral diabetes
medication [tiab] OR glucose lowering medication [tiab] OR antihyperglycemic medication
[tiab] OR oral antihyperglycemic agent [tiab] OR metformin [tiab] OR sulfonylurea [tiab]
32
OR oral medication [tiab]) AND (medication adherence OR medication non-adherence OR
medication compliance OR medication persistence OR medication acceptance OR
medication discontinuation OR medication initiation).
Pour être incluses, ces études devaient avoir été publiées au cours des cinq dernières
années, c’est-à-dire, entre janvier 2010 et décembre 2014. Les participants des études
devaient être des personnes atteintes de diabète de type 2. La mesure de l’une au moins des
trois composantes du concept d’adhésion au TADO devait être rapportée. Les études
rapportant des composantes du concept d’adhésion au TADO évaluées dans un contexte
d’intervention n’ont pas été incluses dans la présente synthèse des connaissances parce que
ne reflétant pas la mesure de l’adhésion en contexte réel.
Au total, 23 études ont été retenues. Ces études publiées entre 2010 et 2014 ont été réalisées
aux États-Unis d’Amérique,101-112 au Québec/Canada,11,113 en Irlande,114,115 en Italie,116 en
Allemagne,117 à Taiwan,118 en Corée du Sud,119 en Palestine,120 en Malaisie,121 et en
Chine.122 La taille d’échantillon de ces études variait de 1 812 102 à 444 418 personnes.106
Le devis utilisé était une cohorte prospective dans une étude,118 et un devis transversal dans
trois études,111,120,121 une cohorte rétrospective dans 19 études.11,101-110,112-117,119,122 Les
paragraphes subséquents présentent les composantes du concept de l’adhésion au TADO en
tenant compte du devis de l’étude, du stade d’utilisation d’ADO, du type de méthode de
mesure, et de la durée de la période de mesure.
2.6.1 Devis d’études de cohorte prospective
Dans l’étude de cohorte prospective,118 l’adhésion était la seule composante qui a été
rapportée. Elle a été estimée en utilisant la méthode de ratio de possession de médicaments
chez de nouveaux utilisateurs d’ADO. Le ratio, exprimé en pourcentage, a été calculé en
faisant le nombre de jours de renouvellement des médicaments divisé par le nombre total de
jours sur une période d’une année. Les jours d’hospitalisation au cours desquels les
participants ont reçu des prescriptions d’ADO avaient été exclus du calcul de ce ratio
(numérateur et dénominateur). Les données utilisées provenaient de la base de données de
remboursement des frais de médicaments. Sur une période de sept ans, l’adhésion au TADO
33
a été évaluée à chaque année aussi bien sur une échelle dichotomique que continue. Le
statut d’adhérent au TADO a été défini par les valeurs du ratio égales ou supérieures à 80
%. La proportion d’adhérents au TADO augmentait avec le temps passant de 55,8 % la 1ère
année à 78,7 % la 7ème année. Aussi, l’adhésion au TADO augmentait en moyenne de 75,8
% la 1ère année à 89,6 % la 7ème année sur l’échelle continue. Dans cette étude, les auteurs
n’ont pas rapporté les détails concernant la méthode utilisée pour calculer l’adhésion au
traitement polymédicamenteux (deux médicaments antidiabétiques ou plus). En effet,
Choudhry et coll. ont montré que la méthode de calcul utilisée pour estimer l’adhésion au
traitement polymédicamenteux peut influencer substantiellement les valeurs observées.123
2.6.2 Devis d’études transversales
Dans les trois études transversales,111,120,121 l’adhésion est également la seule composante
rapportée. Le statut de nouvel utilisateur d’ADO n’a pas été défini dans ces études.
L’adhésion au TADO est auto-rapportée en utilisant les questionnaires de Morisky à huit
items (score allant de 0= adhésion faible à 8= adhésion élevée)111,120 et à quatre items (score
allant de 0= adhésion élevée à 4= adhésion faible).121 L’échelle de mesure présentée était
dichotomique dans deux des études.111,120 Dans ces études, le statut d’adhérent a été défini
par un score de 8 pour le questionnaire à huit items 120 et un score < 2 pour le questionnaire
à quatre items.111 La proportion d’adhérents au TADO était de 38,5 % et 46,8 %
respectivement pour les questionnaires à huit items 120 et à quatre items.111 Dans la 3ème
étude,121 50 % des participants avaient un niveau d’adhésion inférieur ou égal à 6,5 sur une
échelle de score allant de 0 (adhésion faible) à 8 (adhésion élevée).
2.6.3 Devis d’études de cohorte rétrospective
Dans les études de cohorte rétrospective, l’adhésion et la persistance sont les deux
composantes rapportées. L’adhésion au TADO a été mesurée en utilisant la méthode de
proportion de jours couverts dans cinq études 101,102,105,106,109 et la méthode de ratio de
possession de médicaments dans 10 études.11,103,104,108,110,112,115,116,119,122 L’adhésion au
TADO a été mesurée sur une échelle dichotomique dans 13 études11,101,102,104-
108,110,112,116,119,122 et uniquement sur une échelle continue dans deux études.103,115 Dans les
34
études présentant une échelle dichotomique, le statut d’adhérent a été déterminé par une
proportion de jours couverts ou un ratio de possession de médicaments égal(e) ou
supérieur(e) à 80 %. Dans certaines études, l’adhésion a été évaluée non seulement pour
l’échantillon total mais aussi pour des sous-groupes particuliers faisant que le nombre total
d’évaluations de l’adhésion était de 21. Globalement, la proportion d’adhérents au TADO
variait de 29,4 % 119 à 96,5 % 108 (médiane= 62,1 %, N= 21 évaluations). L’étendue des
proportions d’adhérents issues chez les nouveaux utilisateurs (N= 8 évaluations) n’était pas
différente de celle de l’ensemble des participants étudiés. Toutefois, la médiane de ces
proportions d’adhérents était légèrement plus élevée comparativement à celle chez
l’ensemble des participants (69,6 % comparé à 62,1 %).
L’étendue des proportions d’adhérents de l’ensemble des études rapportant un ratio de
possession de médicaments était plus large (de 29,4 % à 96,5 %; médiane= 63,5 %; N= 13
évaluations) comparativement à celle de l’ensemble des études rapportant une proportion
de jours couverts (de 30,4 % à 70,6 %; médiane= 59,6 %; N= 8 évaluations). Lorsque
l’adhésion au TADO est évaluée sur une période d’un an, l’étendue des proportions
d’adhérents était plus étroite pour les deux méthodes de mesure (proportion de jours
couverts : de 45,1 % à 67,0 %, médiane= 59,6 %, N= 6 évaluations; ratio de possession de
médicaments : 44,0 % à 96,5%, médiane= 68,5 %, N= 9 évaluations). Toutefois, l’étendue
des proportions d’adhérents était plus large pour le ratio de possession de médicaments
comparativement à la proportion de jours couverts.
Dans les deux études ayant présenté l’adhésion uniquement sur une échelle continue,
l’adhésion au TADO a été évaluée en n’utilisant que la méthode de ratio de possession de
médicaments. Les valeurs de l’adhésion variaient en moyenne de 66,7 % 115 à 87,8 % 103
(médiane= 86,0 %, N= 5 évaluations) sur une période couvrant six mois chez les nouveaux
utilisateurs d’ADO.
La persistance au TADO a été rapportée dans sept études de cohorte rétrospective. 11,105,110,113-115,117 Elle a été mesurée sur une échelle dichotomique dans toutes ces études.
Toutefois, le seuil pour déterminer les non-persistants variait d’une étude à l’autre, et a été
défini comme le temps d’absence de renouvellement du TADO excédant de 30 jours110 à 90
35
jours.117 Comme dans le cas de l’adhésion au TADO, la persistance est évaluée non
seulement pour l’échantillon total, mais aussi, pour des sous-groupes particuliers dans
certaines études faisant que le nombre total d’évaluation de la persistance était de 12. Les
périodes d’évaluation de la persistance étaient de 0,5 an pour une évaluation,115 d’un an
pour six évaluations,11,102,105,113 de deux ans pour trois évaluations,110,117 et de six ans pour
deux évaluations.113 Globalement, la proportion des non-persistants variait de 20,7 % 11 à
72,0 % 113 (médiane= 41,5 %, N= 12 évaluations). Cette étendue des proportions des non-
persistants était plus étroite lorsque la persistance du TADO est évaluée sur une période
d’un an (de 20,7 % à 52,2 %; médiane= 33,1 %, N= 6 évaluations).
En résumé, l’adhésion et la persistance demeurent les composantes du concept d’adhésion
qui sont privilégiées et sont plus fréquentes dans les études de cohorte rétrospective. La
période couvrant la mesure de ces deux composantes était variable. Toutefois, la période
d’un an est la plus fréquemment utilisée et présente une étendue plus étroite des proportions
de non-persistants et d’adhérents comparativement à celle observée pour l’ensemble des
études. Le seuil de détermination des non-persistants dans les études retenues était unique à
chaque étude. Ceci pourrait être partiellement expliqué par la durée de dispensation des
médicaments qui varie d’un pays à l’autre (par exemple, 30 jours de couverture au Québec).
D’un autre côté, la diversité de seuils pourrait entrainer une mauvaise classification des
persistants et non-persistants et rendrait difficile la comparabilité des résultats d’une étude à
l’autre. La question qui se pose dans ce contexte est : quelle serait la durée de temps
cliniquement significative entre deux renouvellements consécutifs d’ADO ou entre le
dernier renouvellement d’ADO et la fin du suivi de la personne atteinte de diabète de type
2? Les recherches futures devraient permettre d’élucider cette question, ceci dans le but de
définir un seuil standard pour la persistance à l’image de l’adhésion pour laquelle le seuil
cliniquement acceptable est de 80%. Ce seuil est utilisé pour les méthodes de mesure de
l’adhésion que sont la proportion de jours couverts ou le ratio de possession de
médicaments.98,99 Ces deux méthodes sont d’ailleurs celles utilisées dans toutes les études
retenues dans la présente synthèse. Il en est de même pour le seuil de 80% utilisé pour
distinguer les non-adhérents des adhérents chez les adultes atteints de diabète de type 2
(voir la section 2.5.2 de la thèse).
36
2.6.4 Conclusion de la problématique de l’adhésion sous-optimale
Globalement, une proportion non négligeable de non-persistants et de non-adhérents au
TADO a été rapportée dans plusieurs études sur une période d’un an. Toutefois,
l’interprétation de ces résultats doit être faite en gardant à l’esprit l’influence que pourraient
avoir les méthodes de mesure des composantes du concept de l’adhésion (persistance et
adhésion). Étant donné le nombre élevé de participants dans les études retenues, les
résultats observés suggèrent que la problématique de l’adhésion sous-optimale au TADO
est encore d’actualité. Il serait donc pertinent d’explorer si cette adhésion sous-optimale au
TADO a des conséquences chez les personnes atteintes de diabète de type 2.
2.7 Conséquences de l’adhésion sous-optimale au TADO
Les études retenues dans cette section sont des études de cohorte. Pour des fins de
comparaison, les méthodes de mesure de l’adhésion considérées sont la proportion de jours
couverts et le ratio de possession de médicaments. Nous avons classifié les conséquences
de l’adhésion au TADO en trois catégories : 1) les complications et décès associés; 2) le
taux d’hospitalisation et d’utilisation des services de soins associées; et 3) les coûts
associés.
2.7.1 Complications et décès liés à l’adhésion sous-optimale
Selon une étude de cohorte au cours de laquelle les participants ont été suivis durant 16
mois, Ho et coll. ont montré que la cote de mortalité de toute cause chez les personnes
ayant une faible adhésion (proportion de jours couverts inférieure à 80 %) au TADO était
1,81 fois celle chez les personnes ayant une adhésion élevée (proportion de jours couverts
égale ou supérieure à 80 %).124 La force de cette association demeure du même ordre de
grandeur lorsque les valeurs seuils définissant la faible adhésion ont été variées de 50 % à
100 % de jours couverts par les renouvellements de TADO.124 En revanche, selon une autre
étude de cohorte au cours de laquelle le suivi des participants était plus long soit 24 mois, il
n’y avait pas d’association significative entre la survenue de décès et l’adhésion au
TADO.119 La différence observée pourrait être attribuable aux différences méthodologiques
telles que la taille d’échantillon, la modélisation statistique et autres.
37
Gibson et coll. ont montré que le fait d’être adhérent au TADO diminuait le risque de
survenue de certaines complications liées au diabète telles que la rétinopathie (rapport de
cotes= 0,64), la neuropathie (rapport de cotes= 0,60), les maladies rénales (rapport de
cotes= 0,53), l’amputation des membres inférieurs (rapport de cotes= 0,43) et l’infarctus du
myocarde aigu (rapport de cotes= 0,29). 125 En revanche, il n’y avait pas d’association
statistiquement significative entre l’adhésion au TADO et la survenue de certaines
complications telles que les maladies vasculo-cérébrales et les maladies vasculaires
périphériques.125
2.7.2 Taux d’hospitalisation et d’utilisation des services de soins
Selon trois études de cohorte rapportant des résultats consistants, le risque d’hospitalisation
de toute cause était plus élevé chez les non-adhérents que chez les adhérents au TADO
(rapport de cotes variant de 1,26 à 2,53).126-128
Gibson et coll. ont montré que le fait d’être adhérent au TADO diminuait de 20 % le risque
de visite aux urgences.125 En revanche, le risque de visite chez le médecin augmentait de 67
%.125 Ce dernier résultat pourrait s’expliquer par le fait que les personnes adhérentes au
TADO semblent aussi fidèles aux rendez-vous chez leurs médecins.
2.7.3 Coûts liés à l’adhésion sous-optimale
Hansen et coll. ont montré que les coûts moyens annuels liés aux soins de toute cause
étaient substantiellement plus élevés chez les non-adhérents que chez les adhérents du
TADO, soit une augmentation de 847 $ US.129 Cette association est également observée par
Hong et coll. 126 mais pas par Hagen et coll.101 Hansen et coll. ont aussi observé une
augmentation, mais plus faible (55 $ US), des coûts liés aux complications chez les non-
adhérents du TADO comparativement aux adhérents.129 Hagen et coll. ont montré que les
coûts médicaux annuels payés par les patients étaient en moyenne substantiellement plus
élevés chez les non-adhérents que chez les adhérents au TADO, soit une augmentation de 1
317 $ US.101 En revanche, les coûts annuels liés aux médicaments antidiabétiques étaient en
moyenne substantiellement plus faibles chez les non-adhérents que chez les adhérents au
TADO, soit (- 1 554) $ US.101 Dans la même étude, la proportion de personnes ayant fait
38
une réclamation de remboursement pour invalidité à court terme était plus élevée chez les
non-adhérents (soit 21,5 %) que chez les adhérents au TADO (soit 16,0 %).101
2.7.4 Conclusion des conséquences liées à l’adhésion sous-optimale
En conclusion, l’adhésion sous-optimale au TADO expose à des conséquences néfastes
aussi bien pour le patient lui-même que pour la société dans laquelle il vit. Il serait donc
pertinent d’identifier les déterminants de l’adhésion au TADO. Ces déterminants pourraient
servir à la mise en place d’interventions efficaces pour l’amélioration de l’adhésion au
TADO chez les adultes atteints de diabète de type 2.
2.8 Déterminants de l’adhésion au TADO
Afin de réduire l’hétérogénéité des informations rapportées, les décisions suivantes ont été
prises pour l’identification des déterminants de l’adhésion au TADO:
1) La définition de la distinction des non-persistants et des persistants au TADO est
éparse et sans consensus clair, soit autant d’études que de définitions (voir la
section sur la problématique de l’adhésion sous optimale). Nous avons donc
restreint la présente synthèse aux déterminants de l’adhésion au TADO. Ceci
permettrait d’éviter de rapporter dans la présente synthèse des mesures d’effets
potentiellement affectées par les biais d’information différentiels.
2) L’adhésion devait être rapportée et mesurée avec la proportion de jours couverts,
le ratio de possession de médicaments et/ou le questionnaire de Morisky à huit
items. En effet, nous avons précédemment observé que ces méthodes de mesure
étaient les plus fréquemment utilisées et avaient de bonnes preuves de validation
(voir la section portant sur les méthodes de mesure de l’adhésion au traitement).
3) Les participants des études devaient être des personnes atteintes de diabète de
type 2.
4) L’exposition devait être un facteur autre que l’une des composantes du concept
39
d’adhésion au TADO. Tout facteur étudié en lien avec l’adhésion au TADO est
considéré comme un déterminant potentiel de l’adhésion. Lorsqu’un facteur était
associé à l’adhésion au TADO de façon consistante dans les études consultées,
alors il était considéré comme un déterminant de l’adhésion au TADO.
5) Le devis de l’étude devait induire un suivi des participants (ex. : les études
prospectives et rétrospectives de cohorte) pouvant permettre d’identifier des
déterminants.
6) La recherche documentaire était restreinte aux études publiées en français ou en
anglais.
7) Étant donnée la diversité des mesures d’association rapportées dans les études
retenues, le thème «risque» est utilisé de façon générique dans la présente
synthèse afin d’en faciliter la lecture. Aussi, les forces des mesures d’association
n’ont pas été rapportées dans le texte afin d’éviter les amalgames.
Afin d’identifier les études originales dans lesquelles ont été rapportés les déterminants de
l’adhésion au TADO, nous avons consulté cinq bases de données (Pubmed, PsycInfo,
Embase, Web of science et Cochrane Library) jusqu’en décembre 2014. Nous avons donc
élaboré une stratégie de recherche de ces études dans Pubmed en utilisant les mots-clés
suivants :
Pour le concept de l’adhésion : Pharmaceutical treatment [tiab] OR Drug regimen [tiab]
OR regimen adherence [tiab] OR Patient compliance [tiab] OR Patient adherence [tiab]
OR Patient non-compliance [tiab] OR Patient noncompliance [tiab] OR Patient non-
adherence [tiab] OR Adherence to medication treatment OR Medication compliance [tiab]
OR Medication nonadherence [tiab] OR Medication non-compliance [tiab] OR medication
prescribed [tiab] OR Medication adherence [Mesh] OR Medication non-adherence [tiab]
OR Medication persistence OR medication taking OR Patient dropouts [Mesh] OR Patient
Dropout* [tiab] OR Treatment Refusal [Mesh] OR Refusal of Treatment [tiab] OR Patient
40
Refusal of Treatment [tiab].
Pour les médicaments antidiabétiques oraux: Hypoglycemic agents [Mesh] OR antidiabetic
agents [tiab] OR oral antidiabetic medication [tiab] OR oral hypoglycemic agent [tiab]
OR oral diabetes medication [tiab] OR glucose lowering medication [tiab] OR
antihyperglycemic medication [tiab] OR oral antihyperglycemic agent [tiab] OR metformin
[tiab] OR sulfonylurea [tiab] OR oral medication [tiab].
Pour les déterminants : Psychosocial factor [tiab] OR attitude [tiab] OR behavioral belief
[tiab] OR theoretical model [tiab] OR self-efficacy [tiab] OR barrier [tiab] OR perception
[tiab] OR psychosocial determinant [tiab] OR medication knowledge [tiab] OR diabetic
knowledge [tiab] OR motivation [tiab] OR gender [tiab] OR sex factors [Mesh] OR
ethnicity [tiab] OR age factors [Mesh] OR income [Mesh] OR cost sharing [Mesh] OR
copayment [tiab] OR socioeconomic factors [Mesh] OR socio demographic factors [tiab]
OR factors [tiab] OR predictors [tiab] OR diabetes duration [tiab].
Pour le diabète de type 2: "Diabetes Mellitus, Type 2"[Mesh] OR diabetes mellitus [tiab]
OR Type 2 diabetes mellitus [tiab] OR Type 2 diabetes [tiab] OR non insulin dependent
[tiab] OR noninsulin dependent OR diabetes [tiab].
Ces quatre groupes de mots-clés ont été reliés par l’opérateur boolien AND. Une fois cette
stratégie validée dans PubMed, c’est-à-dire, la vérification de la présence des études
originales préalablement identifiées, nous l’avons traduite dans les quatre autres bases de
données. Les différentes références obtenues dans chacune des bases de données ont été
transférées dans un logiciel de gestion des références (Endnote). Ces références ont été
jumelées (N= 2138) et les doublons (N= 312) ont été exclus afin d’obtenir des références
uniques.
Au total, 1826 références uniques ont été identifiées à partir des différentes bases de
données. De ces références identifiées, 82 ont été retenues après la lecture des titres et
résumés. Ensuite, 22 articles ont rencontré nos critères d’inclusion et ont été retenus suite à
la lecture complète des articles. Les informations sur l’association entre l’adhésion au
41
TADO et toute variable explicative ou prédictive rapportées dans les études retenues ont été
extraites. Dans le but de structurer la présente synthèse des connaissances, la classification
des déterminants de l’adhésion au traitement selon l’OMS a été utilisée : soient les
déterminants sociodémographiques et économiques, les déterminants liés au système de
santé et à l’équipe de soins de santé, les déterminants liés à la maladie, les déterminants liés
au traitement et les déterminants liés au patient.15
2.8.1 Déterminants sociodémographiques et économiques
Les déterminants sociodémographiques potentiels étudiés étaient l’âge, le sexe, la race/
l’ethnie et la région géographique tandis que les déterminants économiques étaient le
copaiement des médicaments antidiabétiques, le type d’assurance, et la subvention des
personnes à faible revenu.
L’association entre l’âge et l’adhésion au TADO a été rapportée dans 10
études.11,104,105,109,115,116,122,130-132 À l’exception de l’étude de Vittorino et coll.,116 toutes les
neuf autres ont montré que le risque de l’adhésion au TADO augmentait avec l’âge mais
diminuait chez les plus vieux ayant 75 ans ou plus115 ou encore 85 ans ou plus.132 Vottorino
et coll. ont rapporté une faible diminution de l’adhésion au TADO avec l’âge soit un
rapport de cotes égal à 0,99 (IC95%= 0,992; 0,995). Ce résultat de Vittorino et coll. pourrait
s’expliquer par le fait que 50 % de leurs sujets étaient âgés de 70 ans ou plus. 116
L’association entre le sexe et l’adhésion au TADO est rapportée dans huit études montrant
des résultats assez éparses.104,105,109,115,116,122,131,132 En effet, les hommes étaient plus à risque
d’être adhérents au TADO que les femmes dans trois études105,115,131 tandis que
l’association était inversée dans deux études116,122 et nulle dans trois études. 104,109,132
L’association entre la race/ethnie est rapportée dans quatre études.109,131,133,134 Les patients
de race blanche étaient plus à risque d’être adhérents au TADO que les patients
hispaniques131 ou de race noire.109,134 Lorsque l’adhésion au TADO chez les patients de race
noire était comparée à celle de l’ensemble des autres races, la mesure d’association était
nulle.133 La description de l’association entre la région de résidence des participants et
l’adhésion au TADO est rapportée dans deux études.11,109 Les patients vivant dans une
42
région rurale étaient plus à risque d’être adhérents au TADO que ceux vivant dans une
région urbaine.11 Dans la seconde étude où la région était catégorisée métropolitaine ou
non, l’association était nulle.109
L’association entre le copaiement et l’adhésion au TADO a été rapportée dans deux études
réalisées aux États-Unis d’Amérique.104,135 Dans ces études, l’adhésion au TADO diminuait
avec l’augmentation du copaiement du patient.104,135 Ces résultats étaient consistants avec
ceux d’une étude basée sur une population âgée (≥ 65 ans) et à faible revenu.102 En effet,
Sacks et coll. ont montré que les patients n’ayant pas reçu une subvention pour leurs
médicaments étaient moins à risque d’être adhérents des sulfonylurées, glinides,
thiazolidinediones, et les inhibiteurs de la DPP-4 que ceux ayant reçu une subvention.102 En
revanche, cette association était nulle chez les personnes utilisant des biguanides.102
L’association entre le type d’assurance et l’adhésion au TADO est rapportée dans une seule
étude.109 Les patients ayant une assurance publique étaient moins à risque d’être adhérents
au TADO que ceux n’en ayant pas eue.109 Une autre étude a montré que les patients n’ayant
fait aucune réclamation de remboursement de frais médicaux ou de médicaments étaient
plus adhérents que ceux l’ayant fait.105
En résumé, nous disposons de suffisamment de données pour conclure que l’âge, la race, le
copaiement ou l’aide financière pour l’achat de médicaments sont des déterminants
sociodémographiques et économiques de l’adhésion au TADO. En revanche, les résultats
concernant le sexe sont divergents. Une méta-analyse des études originales visant à évaluer
le lien spécifique entre le sexe et l’adhésion au TADO serait nécessaire. D’un autre côté,
nous ne pouvons pas conclure que la région de résidence du patient est ou non un
déterminant de l’adhésion au TADO à cause du très petit nombre d’études (N= 2)
rapportant des résultats mitigés.
2.8.2 Déterminants liés au système de santé et à l’équipe de soins de santé
Les déterminants potentiels liés au système de santé ou à l’équipe de soins de santé
rapportés dans les études incluaient la continuité des soins, le milieu de soins médicaux, le
43
type de pharmacie, le nombre de visites chez le médecin, le type de visites chez le médecin,
le mode d’approvisionnement des médicaments (envoi postal comparé aux autres modes) et
le type de médecin prescripteur.
L’association entre ces déterminants et l’adhésion au TADO a été rapportée dans six
études.11,105,106,118,122,136 L’adhésion au TADO augmentait avec l’indice de continuité des
soins.118 Dans cette étude de Chen et coll., l’indice de continuité des soins variait de 0 à 1 et
est catégorisé faible (catégorie de référence), moyen et élevé pour les valeurs (0 - 0,22),
(0,23 - 0,43) et (0,44 - 1,00) respectivement.118 De façon plus spécifique, les patients qui
fréquentaient une clinique médicale en milieu communautaire étaient plus à risque d’être
adhérents que ceux qui fréquentaient une clinique médicale en milieu hospitalier. 106 Il en
était de même pour ceux qui fréquentaient une pharmacie indépendante comparée à une
pharmacie appartenant à un groupe de pharmacies.136 Le nombre et le type de visites chez
le médecin pouvaient aussi influencer l’adhésion au TADO.11,122 En effet, les patients qui
rendaient moins de visites à leurs médecins (moins de huit visites sur une année) étaient
plus à risque d’être adhérents du TADO que ceux qui rendaient plus de visites (huit visites
ou plus).11 De manière plus nuancée, les patients qui faisaient une visite de suivi étaient
plus à risque d’être adhérents que ceux qui faisaient une visite pour un nouveau problème
de santé.122 De plus, les patients qui recevaient leurs médicaments par la poste étaient plus à
risque d’être adhérents que ceux qui n’en recevaient pas par la poste.105 Il en était de même
pour ceux qui recevaient leur prescription d’un médecin de famille comparativement à ceux
qui en recevaient d’un endocrinologue ou d’un interniste.11
L’état actuel des connaissances montre qu’il y a très peu d’études sur les déterminants
potentiels liés au système de santé ou à l’équipe de soins de santé lorsque pris
individuellement. Toutefois, la continuité des soins [(0 - 0,22), (0,23 - 0,43) et (0,44 -
1,00)], le milieu de soins médicaux (milieu communautaire comparé au milieu hospitalier),
le type de pharmacie (pharmacie indépendante comparée à une pharmacie de groupe), le
nombre de visites chez le médecin (huit visites ou plus comparées à moins de huit visites),
le type de visites chez le médecin (visite de suivi comparée à une nouvelle visite), le mode
d’approvisionnement des médicaments (envoi postal comparé aux autres modes) et le type
44
de médecin prescripteur (médecin de famille comparé à endocrinologue ou un interniste)
semblent être des déterminants de l’adhésion au TADO.
2.8.3 Déterminants liés à la maladie
Les déterminants potentiels liés à la maladie incluaient la comorbidité, le type de
comorbidité, l’antécédent d’hospitalisation et certaines maladies autres que les
comorbidités.
La comorbidité, l’antécédent d’hospitalisation et la présence de certaines maladies
spécifiques semblaient influencer la prise des antidiabétiques oraux.11,115,132,137,138 En effet,
le risque d’adhésion au TADO augmentait avec le score de comorbidité dans deux
études.115,132 Il est à noter que le score de comorbidité était défini de différentes façons dans
ces deux études. Plus particulièrement, la présence de comorbidité concordant au diabète
par exemple la présence de l’hypertension ou de l’hyperlipidémie augmentait le risque
d’adhésion au TADO chez les patients atteints de diabète de type 2.115 Aussi, les patients
ayant eu un antécédent d’hospitalisation étaient plus à risque d’être adhérents que ceux n’en
ayant pas eu.11 Toutefois, la présence de certaines maladies telles la schizophrénie137 ou la
dépression138 chez le patient diminuait l’adhésion au TADO. Ce résultat est consistant avec
celui d’O’Shea et coll. qui ont observé que la présence de comorbidités non liées au diabète
diminuait le risque d’être adhérent au TADO chez les patients atteints de diabète de type
2.115
À la lumière de la littérature consultée, les déterminants potentiels liés à la maladie sont très
peu étudiées. Toutefois, nous retenons que ceux rapportés ici semblent être des
déterminants de l’adhésion au TADO.
2.8.4 Déterminants liés au traitement médicamenteux
Les potentiels déterminants liés au traitement médicamenteux incluaient les classes
thérapeutiques antidiabétiques, l’utilisation ou non de l’insuline, la posologie du traitement,
le format de traitement médicamenteux et le nombre de différents médicaments utilisés.
L’association entre les classes thérapeutiques antidiabétiques et l’adhésion au TADO est
45
rapportée dans cinq études.11,104,105,115,132 Les patients ayant reçu une prescription de
metformine étaient plus à risque d’être adhérents à leur TADO que ceux ayant reçu une
prescription de sulfonylurées ou sécrétagogues de l’insuline.11,115 Toutefois, ce résultat
n’était pas consistant avec celui d’une étude publiée en 2005 dans laquelle cette association
était inversée.132 Dans cette même étude, les patients qui n’utilisaient pas d’insuline étaient
plus à risque d’être adhérents au TADO que ceux qui en utilisaient.132 Ceci pourrait
s’expliquer en partie par l’effet plus immédiat de l’insuline comparée aux ADO.
La posologie du TADO semble influencer l’adhésion au TADO. En effet, Malmenas et coll.
ont montré que les patients qui prenaient une fois par jour de la liraglutide 1,8 milligramme
étaient plus à risque d’être adhérents que ceux qui prenaient deux fois par jour de
l’exénatide 10 microgrammes.104 Il est à noter que l’exénatide et la liraglutide appartiennent
à la même classe thérapeutique d’antidiabétiques soit la classe des agonistes des récepteurs
du GLP-1. Plusieurs auteurs ont également montré qu’il existait une association entre le
format du traitement médicamenteux et l’adhésion au TADO.109,116,139,140 Ainsi, les patients
prenant un médicament issu de la combinaison de deux principes actifs (fixed-combined
dose therapy) ou un traitement avec deux médicaments distincts (loose dose combined
therapy) étaient plus à risque d’être adhérents au TADO que ceux qui prenaient un
traitement en monothérapie.116 De plus, la prise d’un médicament issu de la combinaison de
deux principes actifs semblait plus faciliter l’adhésion au TADO que le traitement avec
deux médicaments distincts.140 Mieux, les patients qui passaient de la monothérapie à un
médicament issu de la combinaison de deux principes actifs étaient plus à risque d’être
adhérents au TADO que ceux qui passaient de la monothérapie à un traitement avec deux
médicaments distincts.139 Dans le même ordre d’idée, les patients en monothérapie
(biguanides, sulfonylurées, ou thiazolidinediones) étaient plus à risque d’être adhérents que
ceux en polythérapie.109 En revanche, les résultats de l’association entre le nombre de
différents médicaments pris par le patient et l’adhésion au TADO étaient discordants.11,109
En résumé, la prise d’un TADO en monothérapie ou d’un traitement antidiabétique issu de
la combinaison des principes actifs de deux médicaments semble positivement influencer la
prise du TADO. Il en est de même lorsque l’insuline ne fait pas partie du traitement, ou
46
lorsque la posologie du traitement est simplifiée. En revanche, il faudrait plus d’études
empiriques pour confirmer le sens de l’influence de la classe thérapeutique du médicament
antidiabétique oral et du nombre de différents médicaments prescrits au patient sur
l’adhésion au TADO.
2.8.5 Déterminants liés au patient
Selon l’OMS, pour l’adhésion au traitement médicamenteux, les déterminants liés au
patient incluraient les connaissances, les croyances, les perceptions, l’attitude, les barrières,
le sentiment d’efficacité personnelle, la motivation, ou encore les attentes du patient face
aux traitements ou à la maladie.15 Toutefois, ces déterminants n’ont été exploré dans aucune
des études consultées dans un contexte de suivi des patients, et encore moins sur la base
d’un modèle théorique de changement de comportement.
2.8.6 Conclusion sur les déterminants de l’adhésion
En conclusion, la présente synthèse a permis d’identifier plusieurs déterminants de
l’adhésion au TADO dans un contexte de suivi des patients, ceci à l’exception des
déterminants liés au patient plus particulièrement les déterminants psychosociaux. Ces
résultats sont consistants avec ceux d’une récente revue systématique de Zwikker et coll.141
Ces auteurs avaient cherché à identifier les déterminants psychosociaux de la non-adhésion
au traitement médicamenteux chronique à partir d’études longitudinales.141 Parmi les 30
études incluses dans leur revue, aucune n’avait comme objectif d’explorer les déterminants
psychosociaux de la non-adhésion au TADO dans un contexte de suivi des patients.141
Aussi, aucun des facteurs psychosociaux étudiés n’avait été identifié comme un
déterminant de la non-adhésion dans leur revue.141 Ces résultats pourraient s’expliquer en
partie par le caractère «transversal, sondage» des devis des études de déterminants
psychosociaux. Ceci semble être encouragé par le fait que les déterminants psychosociaux
sont quasiment toujours auto-rapportés à travers un questionnaire ou une entrevue semi-
dirigée ou non. On pourrait également décrier l’absence d’utilisation de théories de
prédiction du comportement16,142 dans les études consultées. La littérature recommande
fortement l’utilisation de théories comportementales pour l’identification des déterminants
47
de comportements favorables à la santé, ceci en vue de concevoir des interventions plus
efficaces à leur amélioration.16 En effet, les théories de prédiction du comportement
contribuent, non seulement à l’utilisation d’une structure cohérente de l’interrelation entre
les déterminants psychosociaux dans la prédiction de l’adoption du comportement, mais
aussi, à un devis longitudinal pouvant permettre d’établir une relation de cause à effet.
La section suivante de l’état des connaissances a donc pour objectif d’identifier les
différents modèles théoriques prédictifs existants et d’en déduire celui ayant une bonne
capacité prédictive de l’adoption de comportement et de le décrire. Ceci permettra de tenter
d’identifier les déterminants de l’adhésion au TADO chez les adultes atteints de diabète de
type 2 au Québec en se basant sur le modèle.
2.9 Modèles théoriques prédictifs de comportement lié à la santé
2.9.1 Modèles théoriques : définition et utilité
Un modèle théorique est un ensemble de concepts, définitions ou propositions inter reliés
qui expliquent ou prédisent des situations, comportements et/ ou situations par illustration
des relations entre les différentes variables en jeu.143 Il doit être applicable à une large
variété de situations.143 Il existe deux types de modèles théoriques ayant des objectifs
différents mais assez complémentaires : 1) les modèles théoriques prédictifs et 2) les
modèles théoriques de changement de comportement.142,143 Les premiers visent à expliquer
et comprendre l’adoption ou non d’un comportement tandis que les derniers visent à
identifier comment développer des stratégies plus efficaces pour influencer positivement
l’adoption du comportement.142,143
Les modèles théoriques permettent non seulement d’obtenir des informations utiles à la
conception d’une intervention visant l’amélioration de l’adoption d’un comportement, mais
aussi, d’en évaluer le processus.142 En effet, chacun des ingrédients ou techniques de
changement de comportement qui constituent une intervention sert spécifiquement à contrer
un déterminant de non-adoption du comportement ou à favoriser un déterminant de
l’adoption du comportement. Ces déterminants lorsque modifiables peuvent être évalués
48
comme étant des résultats de l’intervention avant, au cours et après l’administration de
l’intervention afin d’évaluer l’efficacité de cette dernière.
2.9.2 Modèles théoriques : utilisation et efficacité
Dans une revue de revues de littérature, Glanz et coll. ont évalué et analysé l’utilisation des
théories comportementales dans la conception et l’implantation des interventions de
promotion de la santé.16 Ces auteurs ont révisé 11 revues de littérature portant sur
l’utilisation des théories dans le domaine des interventions visant des comportements
favorables à la santé, et publiées entre 2002 et 2009.144-154 Selon ces revues, des dizaines de
modèles théoriques ont été utilisées dans différents domaines comportementaux tels que la
promotion de saines habitudes de vie (ex. : consommer des fruits et légumes, réduire la
consommation du tabac, de l’alcool),146,150,154 la promotion ciblée de la contraception,147 la
promotion de la prévention des accidents involontaires,152 des cancers148,153 et du
VIH/SIDA.144,145,149 Toutefois, très peu de modèles théoriques ont été rapportés comme
étant plus fréquemment utilisés. Il s’agissait de la théorie sociale cognitive (social cognitive
theory en anglais),144-150,153,154 du modèle transthéorique (transtheoretical model en
anglais),144-146,148,150,151,153 du modèle des croyances relatives à la santé (health belief model
en anglais),144,148,151-153 et la théorie du comportement planifié (theory of planned behavior
en anglais) qui est l’extension de la théorie de l’action raisonnée (theory of reasoned action
en anglais).144-146,152
Dans une revue plus récente que celles sus-citées, Webb et coll. ont investigué les
caractéristiques des interventions associées à l’efficacité de ces dernières.155 Les
interventions ciblées ici étaient celles réalisées par internet et qui visaient à améliorer des
comportements favorables à la santé tels que l’activité physique, l’alimentation saine, la
réduction de la consommation d’alcool et l’abstinence du tabac.155 Les interventions
pouvaient avoir comme objectif de cibler l’amélioration de l’adoption d’un ou de plusieurs
de ces comportements.155 Au total, 85 études d’interventions ont été retenues par Webb et
coll.155 Ils ont observé que trois des quatre modèles théoriques identifiés précédemment
étaient également les plus fréquemment utilisés soient : 1) la théorie sociale cognitive
utilisée dans 12 interventions, 2) le modèle transthéorique dans 12 interventions et 3) la
49
théorie du comportement planifié dans neuf interventions.155 Mieux, l’évaluation de
l’efficacité des interventions a montré que les interventions basées sur la théorie du
comportement planifié avaient la plus grande efficacité dans l’adoption du comportement
favorable à la santé [différence de moyennes standardisée soit d= 0,36, IC 95%= (0,15;
0,56)] comparativement à celles basées sur le modèle transthéorique qui, elles, avaient une
plus grande efficacité [d= 0,20, IC 95%= 0,08; 0,33)] comparativement à celles basées sur la
théorie sociale cognitive [d= 0,15, IC 95%= (0,04; 0,25)].155 Il faut toutefois remarquer que
les intervalles de confiance observés se chevauchaient indiquant qu’il ne semble pas avoir
de différence statistiquement significative entre ces différents types d’interventions en
termes d’efficacité.
En résumé, la théorie du comportement planifié figure non seulement parmi les modèles
théoriques les plus fréquemment utilisés mais aussi semble avoir une efficacité d’ampleur
plus élevée. De plus, elle est le seul modèle théorique parmi les trois plus fréquemment
utilisés et évalués qui a pour objectif d’identifier et de comprendre l’adoption ou non de
comportements favorables à la santé.142 Les deux autres théories que (la théorie sociale
cognitive et le modèle transthéorique) sont des théories de changement.16,142 La section
suivante vise donc à apporter plus d’information sur la théorie du comportement planifié.
2.9.3 Théorie du comportement planifié : bref historique et description
Rappelons que la théorie du comportement planifié est une extension de la théorie de
l’action raisonnée dans le but de pallier aux limites de cette dernière.
Selon Godin et coll.,142 les réflexions liées au développement de la théorie de l’action
raisonnée sont parties de la controverse sur le lien entre l’attitude et le comportement suite
à laquelle Martin Fishbein et son étudiant Icek Ajzen ont réalisé une importante revue de
littérature en 1977.156 Dans leur revue, Fishbein et Ajzen ont examiné le lien entre l’attitude
et le comportement à la lumière des correspondances entre l’attitude et le comportement en
termes d’action, de cible, du contexte et du temps. Ainsi, ils ont montré qu’une forte
relation entre l’attitude et le comportement nécessitait une forte cohérence entre l’attitude et
le comportement en termes d’action et de cible.156 Pour prédire un comportement, l’attitude
doit donc être définie envers une action spécifique et personnalisée plutôt qu’envers une
50
action générale et non personnalisée.156 Par exemple, il serait préférable de mesurer
l’attitude du patient envers la prise de ses ADO (noms des ADO prescrits au patient) que de
mesurer l’attitude du patient envers les médicaments antidiabétiques oraux.
Les travaux réalisés par Ajzen et Fishbein en 1975 et 1980 ont conduit à la théorie de
l’action raisonnée, un modèle théorique de prédiction du comportement.157-159 Dans ce
modèle, le seul prédicteur ou déterminant du comportement est l’intention
comportementale (voir définition plus loin dans le texte) qui à son tour est prédit par deux
principaux déterminants que sont l’attitude et la norme subjective (voir définitions plus loin
dans le texte).158 Très tôt, Ajzen a noté des manquements dans cette théorie. En effet,
l’intention comportementale est supposée inclure tout ce qui peut motiver l’adoption du
comportement.157 Elle inclut donc des indicateurs de difficultés à surmonter et du degré
d’efforts planifié pour l’adoption du comportement visé.157 En règle générale, plus
l’intention comportementale est forte, plus probable est l’adoption du comportement
visé.157 Toutefois, l’intention comportementale ne peut trouver son expression dans le
comportement visé que si ce dernier est sous le contrôle volitif du patient c’est-à-dire si le
patient peut décider sur une base volontaire d’adopter ou non le comportement visé.157 En
effet, l’adoption de la plupart des comportements dépend d’un certain degré de facteurs non
motivationnels tels que le temps, l’argent, les compétences, la coopération d’autres
personnes.157 L’ensemble de ces facteurs représente le contrôle réel qu’a le patient par
rapport à l’adoption du comportement. Par exemple, si le patient est motivé à prendre ses
ADO mais ne dispose pas des moyens financiers pour s’en procurer alors il ne pourra
malheureusement pas prendre son traitement. La souscription du patient à une assurance
pourrait être, dans ce cas de figure, une solution à la prise en charge des coûts liés à l’achat
de ses ADO. Le patient aurait ainsi un meilleur contrôle de la prise de ses ADO. Il en
résulte que les ressources et opportunités dont dispose un patient, prédiront en quelque sorte
la probabilité de son adoption du comportement favorable à la santé.
De cette lacune sus-mentionnée est né un déterminant important nommé la perception du
contrôle comportemental (perceived behavioral control en anglais) ajouté à la théorie de
l’action raisonnée par Azjen pour donner naissance à un nouveau modèle théorique nommé
la théorie du comportement planifié.157 Donc, l’intention comportementale ne serait un bon
51
prédicteur de l’adoption du comportement visé que lorsque le patient a le contrôle de
l’adoption du comportement. De même l’adoption du comportement s’améliorerait avec le
contrôle comportemental dans la mesure où le patient serait motivé à essayer l’adoption du
comportement.157 Il en résulte que :
L’adoption du comportement est prédite par l’intention comportementale et
conditionnellement prédite par le contrôle comportemental perçu.
L’intention comportementale est prédite par trois déterminants indépendants que
sont 1) l’attitude, 2) la norme subjective et 3) le contrôle comportemental perçu.
L’attitude envers le comportement visé (attitude towards the behaviour en anglais)
permet de connaître le degré auquel le patient a une évaluation favorable ou
défavorable à l’adoption du comportement ciblé. La norme subjective (subjective
norms en anglais) est relative à la pression sociale perçue par le patient pour
l’adoption ou non du comportement visé. Le contrôle comportemental perçu est
relatif au degré de facilité ou de difficulté perçu par le patient pour l’adoption du
comportement visé.
Les trois déterminants de l’intention sont prédits par des croyances dites saillantes
qui nourrissent l’intention comportementale du patient. On distingue trois sortes de
croyances saillantes qui sont supposées influencer respectivement l’attitude envers
le comportement, la norme subjective et le contrôle comportemental perçu. Les
croyances comportementales (behavioral beliefs en anglais) désignent la perception
du patient des avantages et désavantages suite à l’adoption du comportement. Les
croyances normatives (normative beliefs en anglais) du patient désignent sa
perception des attentes des personnes importantes pour lui suite à l’adoption du
comportement. Les croyances de contrôle (control beliefs en anglais) désignent la
perception du patient des barrières et des facilitants de l’adoption du comportement.
La structure de la théorie du comportement planifié est présentée à la figure 2.1 ci-dessus.
52
Remarque : Les croyances ne sont pas généralement utilisées dans l’évaluation de l’efficacité de prédiction comportementale de la théorie du comportement planifié.
Les différentes relations constituant la théorie du comportement planifié ont été confirmées
par des études empiriques qui ont fait l’objet de revues systématiques et méta-analyses au
fil des années dans plusieurs domaines de la santé.160-166 Certaines de ces méta-analyses
consultées avaient pour objectif d’évaluer l’efficacité de la théorie pour la prédiction d’un
comportement particulier tel que le tabagisme,164 la nutrition,160 l’adhésion à la pratique
d’exercices physiques161 et le don de sang162 tandis que d’autres étaient plus inclusives et
visaient plusieurs comportements.163,165,166 La plus récente de ces méta-analyses plus
inclusives a été publiée en 2011 et avait pour objectif de pallier aux manquements des
méta-analyses existantes.163 Ainsi, McEachan et coll. ont exploré l’efficacité de la théorie
en tenant compte de :163
son caractère prédictif : étaient uniquement incluses les études dans lesquelles le
comportement prédit était évalué suite à un suivi des participants après
l’administration du questionnaire basé sur la théorie du comportement planifié. Le
comportement ici devait être évalué prospectivement (comportement futur);
sa structure hiérarchique : c’est-à-dire modéliser le comportement futur dans un
premier temps en incluant dans le modèle de régression l’intention et le contrôle
Intention
Croyances comportementales
Attitude
Norme subjective
Croyances normatives
Croyances de contrôle
Contrôle comportemental perçu
Comportement
Figure 2.1: Schéma de la théorie du comportement planifié
53
comportemental perçu. Ensuite, modéliser l’intention comportementale en incluant
dans le modèle de régression l’attitude, la norme subjective et le contrôle
comportemental perçu. Enfin, ajuster ces deux modèles par le comportement passé;
la variabilité inter-études : prise en compte par l’utilisation d’un modèle à effets
aléatoires pour l’estimation de l’efficacité globale de la théorie;
certains facteurs potentiellement modifiants tels que la nature du comportement
(ex. : la pratique de l’activité physique, la cessation du tabagisme), le groupe d’âge
des échantillons étudiés (ex. : les aînés, les adultes, jeunes adultes ou étudiants, les
adolescents), la durée de suivi des participants aux études (ex. : une semaine, un
mois), et la méthode de mesure des comportements étudiés (mesure auto-rapportée
comparée à mesure objective).
Au total, McEachan et coll. ont inclus 206 études générant 237 tests statistiques dont 89
impliquaient l’évaluation du comportement passé en plus des variables de la théorie du
comportement planifié.163 Plusieurs comportements étaient couverts par cette méta-analyse
de McEachan et coll. Ils ont été catégorisés en comportements relatifs à la promotion de la
santé et comportements relatifs à la prise de risque.163 Les sous-catégories des
comportements relatifs à la promotion de la santé étaient les comportements de prévention
et de détection (ex. : le dépistage des cancers) tandis que les comportements relatifs à la
prise de risque (ex. : l’excès de vitesse) n’avaient pas de sous-catégories.163 Les
comportements de prévention représentaient près de 81 % de l’ensemble des
comportements et incluaient : l’abstinence ou la cessation de substances illicites incluant la
réduction de la consommation de drogues, de l’excès d’alcool et du tabac; la pratique de
l’activité physique; les rapports sexuels protégés; et les diètes.163
Les résultats de la revue de McEachan et coll.163 étudiant la structure de la théorie du
comportement planifié se présentent comme ci-après :
l’intention comportementale et le contrôle comportemental perçu expliquaient 19,3
% de la variance de l’adoption du comportement en l’absence du comportement
54
passé dans le modèle de régression. L’intention comportementale était le principal
déterminant de l’adoption du comportement avec un effet (coefficient de régression
soit bêta= 0,37) trois fois plus élevé que celui du contrôle comportemental perçu
(bêta= 0,11). Lorsque le comportement passé était ajouté au modèle de régression
comme un déterminant du comportement futur, la variance expliquée passait de 19,3
% à 30,2 %. Toutefois, les coefficients de régression de l’intention (bêta= 0,22) et
du contrôle comportemental perçu (bêta= 0,07) diminuaient de façon importante
mais demeuraient significatifs au seuil statistique de 5%. L’intention
comportementale demeurait le principal déterminant du comportement futur. Ces
résultats suggèrent que le comportement passé est un facteur confondant des
relations entre le comportement futur et l’intention comportementale et le contrôle
comportemental perçu respectivement;
L’ensemble (l’attitude, la norme subjective et le contrôle comportemental perçu)
expliquait 44,3 % de la variance de l’intention comportementale en l’absence du
comportement passé dans le modèle de régression. L’attitude (bêta= 0,35) était le
plus fort déterminant de l’intention comportementale suivie du contrôle
comportemental perçu (bêta= 0,34) et de la norme subjective (bêta= 0,15). Après
l’ajout au modèle de régression du comportement passé, McEachan et coll. avaient
observé une augmentation additionnelle de 5 % de la variance expliquée. Les effets
de l’attitude (bêta= 0,31), de la norme subjective (bêta= 0,13) et du contrôle
comportemental perçu (bêta= 0,28) avaient légèrement diminué suite à cet ajout du
comportement passé mais demeuraient statistiquement significatifs. Ces résultats
suggèrent que le comportement passé pourrait être un facteur confondant des
relations entre l’intention et l’attitude, la norme subjective et le contrôle
comportemental perçu respectivement.
Ces résultats obtenus par McEachan et coll. sont consistants avec la structure de la théorie
du comportement planifié,157 et aussi avec les résultats observés dans d’autres méta-
analyses antérieures.165,166
McEachan et coll.163 ont également évalué l’effet modifiant de certains facteurs sur la
55
prédiction du comportement par la théorie du comportement planifié. Les analyses portant
sur ces facteurs modifiants potentiels permettent de dire que :
La théorie prédit mieux la pratique de l’activité physique chez les jeunes adultes
comparativement aux autres groupes d’âge. En revanche, les comportements
d’abstinence ou de cessation de substances illicites sont mieux prédits par la théorie
chez les adolescents comparativement aux autres groupes d’âge.
Les comportements prospectifs évalués à court terme (≤ 5 semaines), et ceux
évalués avec une mesure auto-rapportée sont mieux prédits par la théorie que ceux
évalués à long terme (> 5 semaines) et ceux évalués avec une mesure objective.
En résumé, la théorie du comportement planifié telle que structurée par Ajzen est un bon
prédicteur des comportements favorables à la santé. Toutefois, sa capacité prédictive est
modérée par le groupe d’âge de l’échantillon utilisé, la méthode de mesure du
comportement prospectif, et le temps de suivi avant la mesure prospective du
comportement lié à la santé. Le comportement passé joue également un rôle important dans
la capacité prédictive de la théorie. Dans les recherches futures portant sur la théorie du
comportement planifié, les chercheurs devraient prendre en compte ces facteurs aussi bien
dans la conception des études que dans l’interprétation des résultats de ces études. Il est à
remarquer qu’il n’y avait quasiment pas parmi les études incluses dans la méta-analyse de
McEachan et coll.,163 des études visant la prédiction de l’adhésion ou l’observance du
traitement médicamenteux, encore moins pour le TADO. Ceci suggère que l’utilisation de
la théorie du comportement planifié ne semble pas populaire dans le domaine de l’adhésion
au traitement médicamenteux.
Les sections 2.8 et 2.9 de l’état des connaissances ont permis respectivement d’identifier et
de comprendre les différents types de déterminants de l’adhésion au TADO, et d’informer
sur le cadre théorique permettant d’optimiser la prédiction des comportements favorables à
la santé. L’étape suivante de la thèse vise à identifier les différentes stratégies utilisées en
vue d’améliorer l’adhésion au traitement médicamenteux et quelle place occupent les
stratégies spécifiques à l’amélioration de l’adhésion au TADO chez les adultes atteints de
56
diabète de type 2.
2.10 Revue des interventions visant à améliorer l’adhésion au TADO
2.10.1 Mise en contexte
En octobre 2011, suite à une exploration de la littérature publiée, nous avons identifié des
revues ayant pour but d’explorer l’efficacité des interventions visant l’amélioration de
l’adhésion aux traitements recommandés incluant les ADO chez les adultes atteints de
diabète de type 2.167-169 Toutefois, aucune de ces revues n’avait pour objectif spécifique de
caractériser les interventions efficaces pour l’amélioration de l’adhésion au TADO. Nous
avons donc entrepris une revue systématique à cet effet afin de produire une liste de
caractéristiques des interventions efficaces (patients, intervenants et contenu des
interventions) pouvant contribuer à une meilleure planification d’intervention visant
l’amélioration de l’adhésion au TADO chez les adultes atteints de diabète de type 2.170
2.10.2 Méthodologie de la revue
Dans cette revue de Zomahoun et coll.,170 les études incluses devaient avoir pour objectif
d’évaluer l’efficacité des interventions visant à améliorer l’adhésion au TADO chez les
adultes atteints de diabète de type 2. Les études ont été identifiées à partir de PubMed,
Cochrane Library et Embase, et aussi à partir d’une recherche manuelle au niveau des listes
de références des revues ou articles pertinents. Après la sélection des études, nous avons
extrait les données des articles et évalué la qualité des études sur la base de neuf critères
définis à partir de la déclaration élargie de CONSORT relative aux essais contrôlés à
répartition aléatoire non pharmacologiques :171,172 1) la cohérence entre les objectifs et les
résultats de l’étude d’intervention; 2) le rationnel à la base de l’intervention et sa
standardisation; 3) la répartition des participants dans les groupes à l’étude et la puissance
statistique de l’étude; 4) la comparabilité des groupes à l’étude avant l’administration de
l’intervention; 5) l’écart entre les taux de rétention des participants dans les groupes à
l’étude; 6) la définition et la mesure de l’adhésion; 7) la méthode statistique utilisée pour
l’évaluation de l’effet de l’intervention; 8) la prise en compte des participants perdus de vue
dans les analyses; et 9) le report de l’estimé de l’effet de l’intervention. Chaque critère avait
57
trois modalités d’évaluation :1) qualité faible, 2) qualité moyenne et 3) bonne qualité. Une
étude a été jugée de qualité au moins moyenne lorsqu’elle ne présentait pas plus d’un
critère d’évaluation de qualité faible. Les interventions efficaces ont été définies comme
étant celles provenant d’études ayant une qualité au moins moyenne et présentant un effet
positif sur l’adhésion au TADO.
2.10.3 Résultats de la revue
Au total, huit études d’intervention ont été retenues dont cinq ayant une qualité au moins
moyenne.173-177 L’adhésion du TADO était la seule composante du concept de l’adhésion
qui a été mesurée dans ces cinq études. La durée des interventions testées dans ces cinq
études variait entre 1 et 12 mois. Le mode d’administration de l’intervention utilisé le plus
fréquemment était le téléphone,173,176,177 suivi de la rencontre en face à face173,175 et par un
ordinateur.174 Toutes ces interventions visaient à agir sur des déterminants psychosociaux
tels que les barrières liées au diabète ou à la prise de la médication,173,174,177 le sentiment
d’efficacité personnelle,174,176,177 l’autonomisation175,176 et les connaissances liées au
diabète.174 En se basant sur la taxonomie des techniques de changement de comportement
proposée par Abraham et coll.,178 les contenus des interventions offertes ont été codés à
partir de leur description. Cette codification a permis de constater que les auteurs ont eu
recours à plusieurs techniques de changement de comportement. En effet, les techniques
offertes dans les groupes interventions étaient systématiquement plus nombreuses que
celles offertes dans les groupes contrôles. Un effet positif sur l’adhésion au TADO a été
observé pour deux interventions des cinq études d’intervention de qualité au moins
moyenne. 173,176 Ces deux interventions respectivement de Walker et coll.179 et de Bogner et
coll.180 ont donc été considérées comme des interventions efficaces.179,180
2.10.3.1 Caractéristiques des participants des études d’interventions efficaces
Les deux interventions efficaces ont été offertes à des participants qui avaient un contrôle
glycémique sous-optimal (taux d’HbA1c ≥ 7,0%) en début d’intervention et une adhésion
sous optimale au TADO.173,176 Les participants étaient en moyenne âgés de 55,5 ans179 et
60,2 ans.180 Le pourcentage d’hommes participants était de 15,2% pour l’étude
58
d’intervention de Bogner et coll.,180 soit un peu moins de la moitié de celui de Walker et
coll. (32,9%).180
2.10.3.2 Caractéristiques des intervenants des études d’interventions efficaces
Les interventions étaient administrées par des éducateurs de la santé176 et un assistant de
recherche.173 Ces intervenants avaient tous reçu une formation dans le cadre de ces
interventions. 173,176
2.10.3.3 Caractéristiques du contenu des interventions efficaces
L’intervention de Walker et coll. contenait quatre techniques de changement de
comportement : 1)former rapidement le patient pour l’intention générale d’adopter le
comportement favorable à la santé, 2) fournir de l’encouragement général au patient, 3)
identifier rapidement les barrières face à l’adhésion et aider à les surmonter, et 4) donner
des instructions au patient.179 L’intervention de Bogner et coll. contenait aussi quatre
techniques de changement de comportement : 1) fournir de l’information générale, 2)
fournir de l’information sur les conséquences de l’absence de prise des médicaments, 3)
identifier rapidement les barrières face à l’adhésion et aider à les surmonter, et 4) donner
des instructions au patient.180 Les interventions avaient en commun deux techniques de
changement de comportement que sont l’identification rapide des barrières face à
l’adhésion au TADO et l’offre d’instructions pour l’adoption de l’adhésion au TADO.173,176
La première technique consistait à ce que l’intervenant identifie rapidement auprès du
patient les barrières à l’adhésion au TADO et planifie comment les surmonter.178 La
deuxième technique consistait à ce que l’intervenant dise au patient comment adopter
l’adhésion au TADO et/ou comment s’y préparer.178 Les déterminants ci-après ont été ciblés
par les auteurs des interventions en vue d’améliorer l’adhésion au TADO : les barrières,173
l’autonomisation et le sentiment d’efficacité personnelle.176
2.10.4 Discussion des résultats de la revue
La revue a révélé qu’il y avait un très petit nombre d’études d’interventions, de qualité au
moins moyenne, visant à améliorer l’adhésion au TADO. Ce faible nombre d’études ne
59
permet pas de cerner avec précision toutes les caractéristiques des interventions efficaces
visant à améliorer l’adhésion au TADO. Néanmoins, elle a permis d’identifier des
caractéristiques des interventions efficaces pour l’adhésion au TADO chez les adultes
atteints de diabète de type 2.
Ainsi, certaines caractéristiques des participants telles que l’âge et le statut de contrôle du
diabète semblaient avoir contribué à l’efficacité des interventions. Ces caractéristiques
peuvent être classifiées en deux types de déterminants : 1) les déterminants
sociodémographiques (sexe et âge) et 2) les déterminants liés à la maladie (le statut de
contrôle du diabète).15 On sait que l’adhésion au TADO augmente avec l’âge jusqu’à la
tranche d’âge de 70 à 75 ans. 11,104,105,109,115,116,122,130-132 Étant donné que les participants aux
interventions étaient âgés en moyenne de 55,0 à 60,2 ans, les investigateurs ont ciblé un
groupe d’âge susceptible d’avoir une adhésion sous-optimale au TADO. Il y aurait donc
possibilité d’une amélioration de l’adhésion suite à une intervention. Il en serait de même
pour le mauvais contrôle glycémique qui indiquerait une adhésion sous optimale au TADO.
Cette réflexion va dans le même sens que celle de Doggrell qui a montré qu’une
intervention visant l’adhésion au traitement médicamenteux ne peut être efficace chez des
patients ayant initialement une adhésion élevée.181
La formation des intervenants dans le cadre des interventions semblait favoriser l’efficacité
des interventions. On présume qu’une formation des intervenants signifierait non seulement
une standardisation du contenu de l’intervention mais aussi une amélioration des
compétences des intervenants pour l’administration de l’intervention. Ceci faciliterait en
partie la fidélité des intervenants au contenu des interventions. En effet, les résultats d’une
revue systématique ont montré que les compétences des intervenants ayant reçu une
formation relative à l’administration d’une intervention étaient meilleures que celles de
ceux n’en ayant pas reçue.182
Le contenu des interventions efficaces était complexe et incluait plusieurs techniques de
changement de comportement. De plus, la plupart de ces techniques identifiées cible des
déterminants comportementaux de la théorie sociale cognitive qui est une théorie de
changement de comportement.142,178 Ceci suggère que les interventions basées sur les
60
éléments de théories psychosociales, la théorie sociale cognitive dans le cas présent,
pourraient avoir des chances potentielles de succès. Les auteurs d’une autre revue portant
sur l’autogestion du diabète recommandaient des interventions basées sur des théories
psychosociales afin de maximiser la contribution des patients à l’autogestion de leur diabète
pour l’atteinte de meilleurs résultats de santé.183 Ceci est également appuyé par
Bartholomew et coll. qui ont proposé l’utilisation d’une théorie de changement de
comportement dans la planification des interventions visant l’amélioration d’un
comportement favorable à la santé.184 Les interventions efficaces étaient aussi caractérisées
par leur complexité expliquée par le fait de cibler divers déterminants de l’adhésion au
TADO.173,176 Cette complexité des interventions préparent les intervenants au traitement de
diverses facettes de la problématique de l’adhésion sous optimale. Par exemple, bien que
l’éducation du patient par rapport à sa maladie et/ou à sa thérapie constitue un élément
important dans le succès de la thérapie, elle n’est pas toujours suffisante. En effet, Wens et
coll. explorant l’efficacité des interventions basées uniquement sur l’éducation n’ont pas pu
démontrer l’effet positif de ces dernières sur l’amélioration de l’adhésion au traitement
médicamenteux.169 Aussi, Haynes et coll. dans une revue ayant pour objectif d’évaluer
l’efficacité de toutes les interventions relatives à l’adhésion au traitement médicamenteux
ont montré que, presque toutes les interventions qui avaient un effet positif sur l’adhésion
au traitement médicamenteux à long terme étaient des interventions complexes incluant
plusieurs composantes.167 Les résultats de la revue d’Haynes et coll. réactualisée par
Nieuwlaat et coll. (publiée en 2014) demeurent consistants avec les résultats initiaux.13
Tout ceci suggère que l’utilisation de diverses techniques de changement de comportement
devrait être essentielle dans la conception des interventions visant à améliorer l’adhésion au
TADO.
2.10.5 Conclusion de la revue
En conclusion, deux interventions ont été identifiées efficaces pour améliorer l’adhésion au
TADO. Ces deux interventions étaient basées sur des techniques de changement de
comportement et donc ciblaient des déterminants liés au patient. Ces interventions ont été
administrées par téléphone à des patients âgés en moyenne de 56 à 60 ans et qui avaient un
61
contrôle sous-optimal de leur diabète et de leur adhésion au TADO. Tous les intervenants
avaient reçu une formation dans le cadre des interventions efficaces.
Toutefois, le très petit nombre d’études retenues fragilise les résultats observés et ne permet
pas d’évaluer l’efficacité globale des interventions visant à améliorer l’adhésion au TADO
ainsi que l’effet spécifique des techniques de changement de comportement sur l’efficacité
globale. Aussi, le contenu des interventions offertes aux groupes d’interventions n’a pas été
analysé au regard de celui des interventions offertes aux groupes contrôles.
Par ailleurs, la reproductibilité et l’implantation des interventions efficaces est un défi
majeur dans les pratiques cliniques. Nous anticipons donc qu’en plus de répondre aux
préoccupations mentionnées dans le paragraphe précédent, il faudra identifier une
intervention complexe, facile à reproduire (c’est-à-dire ayant un guide d’intervention
adaptable aux contextes cliniques et aux déterminants liés au patient), et à implanter (la
formation des intervenants, leur suivi et leur évaluation) dans les milieux de soins de santé.
L’entretien motivationnel semble être une approche qui répond à ces dernières
préoccupations.
2.11 Entretien motivationnel
L’entretien motivationnel a été initialement décrit par Miller en 1983 suite aux expériences
issues du traitement des personnes alcooliques.185 En 1991, Miller et Rollnick ont ensuite
développé et décrit les concepts et les approches soutenant l’entretien motivationnel.185
C’est seulement en 1995 que Miller et Rollnick ont produit une première définition claire
de l’entretien motivationnel.185 Depuis, cette définition a connu des améliorations
respectivement en 2009186 et en 2013.187
En 1995, Miller et Rollnick ont défini l’entretien motivationnel comme étant «un style de
counseling directif centré sur le client pour susciter le changement de comportement en
l’aidant à explorer et à résoudre son ambivalence».185 En 2009, ils l’ont défini comme étant
«une forme collaborative de guidage centré sur la personne pour susciter et renforcer sa
motivation au changement».186 Plus récemment en 2013, ils l’ont défini comme étant «un
style collaboratif de conversation entre le client et le médecin pour renforcer les
62
motivations propres du client et son engagement vers le changement du comportement».187
L’entretien motivationnel est une approche basée sur trois éléments principaux que sont 1)
l’esprit, 2) les processus et 3) les techniques de communication.187 Les sections ci-après ont
pour objectif de décrire ces trois éléments tels que décrits récemment par Miller et
Rollnick.187
2.11.1 L’esprit de l’entretien motivationnel
L’esprit de l’entretien motivation est ce qui doit guider la démarche de l’intervenant lors de
l’entrevue avec le client. Cet esprit est composé de quatre principaux éléments qui sont 1)
le partenariat, 2) l’acceptation, 3) l’évocation et 4) la compassion. Le partenariat entre le
client et l’intervenant est au cœur de l’esprit de l’entretien motivationnel et se réfère à une
participation active du client lors des entrevues dans une ambiance de confiance créée par
l’intervenant en vue du changement.187,188 La participation active du client doit être
soutenue par l’esprit d’acceptation de l’intervenant qui réfère à quatre compétences qui
sont 1) la valorisation, 2) l’empathie, 3) l’autonomie/ soutien et 4) l’affirmation.187 La
valorisation du client consiste à ce que l’intervenant souligne les efforts du client par
rapport à l’adoption du comportement, que ces efforts soient substantiels ou non.187
L’empathie consiste à ce que l’intervenant fasse preuve de compréhension profonde non
seulement de ce que le client dit explicitement mais aussi de ce qu’il n’arrive pas à
exprimer.187,188 L’autonomie/ soutien consiste à ce que l’intervenant amplifie l’expérience
du client quant à son contrôle et son choix dans l’adoption du comportement.187,188 Cet
esprit consolide l’autonomie du client quant à l’adoption du comportement. Le quatrième
élément de l’esprit d’acceptation, l’affirmation, consiste à ce que l’intervenant trouve des
occasions pour réorienter le discours du client vers le processus de changement du
comportement cible.187,188 En plus du partenariat et de l’acceptation, l’intervenant doit avoir
un esprit de compassion qui consiste à prendre en compte les intérêts du client et de les
promouvoir.187 Le client doit se sentir bien lors des entrevues. Ceci facilite l’établissement
d’une relation de confiance pour le changement du comportement.187 L’esprit d’évocation
de l’intervenant est l’élément-clé donnant accès au discours de changement du
comportement du client. Cet esprit vient du principe que seul le client dispose des raisons et
63
des idées pouvant l’amener à l’adoption du comportement favorable à la santé. Elle consiste
donc à ce que l’intervenant suscite et renforce chez le client l’expression de ses raisons à
changer et ses idées d’action pour le changement. Les raisons de changement constituent la
motivation du client pour l’adoption du comportement.187,188
2.11.2 Les processus de l’entretien motivationnel
Les processus de l’entretien motivationnel pour le changement de comportement sont au
nombre de quatre et surviennent de manière à la fois séquentielle et récursive.187 Le premier
processus est l’engagement (engaging en anglais) et constitue l’un des maillons importants
pour l’optimisation de l’efficacité de l’entretien motivationnel. Ce processus consiste à
l’établissement d’une relation interpersonnelle entre le client et le professionnel de santé
(l’intervenant) qui est basée sur la confiance et le respect mutuel. L’engagement doit être
maintenu durant tout le processus de changement de comportement.187 Une fois la relation
de confiance établie, l’intervenant en collaboration avec le client identifiera un objectif
comportemental qui guidera leurs entretiens.187 C’est le deuxième processus appelé la
focalisation (focus en anglais). Une fois que l’objectif comportemental est clairement
énoncé sur la base d’une relation de confiance, l’intervenant suscite chez le client le
discours du changement qui devrait provenir des motivations propres du client au
changement envers le comportement ciblé. On parle d’évocation (evoking en anglais) qui
est le troisième processus.187 Finalement, l’intervenant aide le client, lorsque ce dernier est
motivé et prêt à changer, à établir un plan d’action réaliste pour l’atteinte de l’objectif
comportemental précédemment énoncé, ceci toujours dans un contexte de relation de
confiance. C’est le quatrième et dernier processus appelé la planification (planning en
anglais).187
2.11.3 Les techniques de communication de l’entretien motivationnel
Les techniques de communication de l’entretien motivationnel sont transversales aux quatre
processus énumérés précédemment.187,188 Elles soutiennent l’intervenant dans l’atteinte des
objectifs de chacun des quatre processus de l’entretien motivationnel et mettent à l’épreuve
les quatre éléments de l’esprit de l’entretien motivationnel que doit avoir
64
l’intervenant.187,188 Ces techniques se résument essentiellement en cinq points : 1) poser des
questions ouvertes au client; 2) valoriser le client; 3) refléter les assertions ou déclarations
du client; 4) résumer les déclarations du client; et 5) informer le client avec sa
permission.187,188
Une question ouverte est une question à laquelle le client ne peut répondre par oui ou par
non. Par exemple : Parlez-moi de la prise de vos ADO tels que prescrits au cours des deux
dernières semaines? «Poser des questions ouvertes» est une technique de communication
qui donne l’opportunité au client d’exprimer sa perception de l’adoption du comportement
visé et/ou de réfléchir à ce qui représente le mieux sa situation.187,188 Cette technique est
principalement utile dans les processus d’évocation et de planification.187 Elle peut aussi
contribuer à l’établissement de la relation de confiance et de travail entre le client et
l’intervenant.187
La valorisation du client consiste à ce que l’intervenant souligne avec sincérité les forces
et/ou les efforts déclarés par le client.187 Exemple d’affirmation du client «En fin de
semaine, j’ai reçu un couple d’amis jusqu’à une heure tardive. Toutefois, à l’heure de la
prise de ma metformine, j’ai pris congé d’eux quelques minutes pour aller prendre mon
médicament», exemple de valorisation qui pourrait être exprimée par l’intervenant «Ce que
vous venez de dire est une preuve de votre volonté à prendre vos médicaments tels que
prescrits. Je vous encourage beaucoup dans ce sens». L’intervenant doit donc être capable
d’identifier rapidement les forces et les efforts déclarés par le client.188 Cette technique peut
être surtout utile dans les processus d’engagement, d’évocation et de planification.187
«Refléter les assertions ou déclarations du client» consiste à comprendre et à reformuler
sous forme d’affirmation ou de question les propos du client, ceci en vue de réorienter
l’entrevue ou de valoriser un effort du client.187 Cette technique peut être utile dans les
quatre processus de l’entretien motivationnel.187
«Résumer les déclarations du client» est une technique qui permet de résumer les propos du
client afin de donner une nouvelle orientation à l’entretien ou encore de mettre un accent
sur l’objectif visé dans le plan d’action établi par le patient.187 Cette technique peut être
65
surtout utile dans les processus d’évocation et de planification.187
«Informer le client» est une technique qui consiste à apporter de l’information sollicitée par
le client.187 L’autorisation du client est requise pour les informations qui sont non sollicitées
mais jugées pertinentes par l’intervenant.187 Cette technique peut être surtout utile dans les
processus d’évocation et de planification.187
2.11.4 L’efficacité de l’entretien motivationnel
Plusieurs méta-analyses ont permis de montrer que l’entretien motivationnel était efficace
pour la cessation du tabagisme,189-193 la réduction de la consommation de substances telles
que l’alcool189,190,194 et les drogues,189,190 l’adoption des saines habitudes de vie telles que
l’exercice physique189,194 et la diète.194 Il a été aussi montré que l’entretien motivationnel
peut contribuer à améliorer des résultats cliniques tels que la perte de poids, le taux de
cholestérol total,189,195 la pression artérielle,189,195 et la charge virale en VIH.189 Toutefois, il
faudrait noter que l’entretien motivationnel n’a pas été démontrée efficace sur certaines
variantes de mesures de comportement telles que le nombre de cigarettes fumées par
jour189,195 et le trouble alimentaire.189,194 Il en était de même pour certains résultats cliniques
tels que le taux d’HbA1c195 et la glycémie.189
Qu’en est-il de l’adhésion au traitement médicamenteux?
Des efforts ont été également faits pour la synthèse des preuves de l’efficacité de l’entretien
motivationnel sur l’adhésion au traitement médicamenteux. Au total, ces preuves ont été
rapportées dans trois revues de littérature196-198 et dans des sous-analyses de deux méta-
analyses.189,199
La revue de Cooperman et coll. publiée en 2005 avait pour objectif d’évaluer l’efficacité de
l’entretien motivationnel sur l’adhésion au traitement antirétroviral.198 Dans cette revue, ont
été retenues six études dont cinq études pilotes et une étude de faisabilité.198 Parmi les
études retenues, seulement deux avaient un devis avec un groupe de comparaison et
présentaient un effet positif de l’entretien motivationnel sur l’adhésion au traitement
antirétroviral. Cooperman et coll. en ont conclu que, bien que la recherche dans ce domaine
66
soit limitée, leurs résultats suggéraient que l’entretien motivationnel combiné à d’autres
types d’interventions était faisable et efficace pour améliorer l’adhésion au traitement
antirétroviral.198
La revue de Drymalski et coll. publiée en 2009 avait pour objectif d’évaluer l’efficacité de
l’entretien motivationnel sur l’adhésion au traitement antipsychotique chez des personnes
atteintes de schizophrénie.197 Dans cette revue, cinq études ayant des devis non
explicitement rapportés ont été retenues. Un effet positif de l’adhésion au traitement
antipsychotique a été rapporté dans deux des cinq études.197 Drymalski et coll. ont souligné
que le petit nombre d’études et les limites méthodologiques ne permettaient pas de tirer des
conclusions valables sur l’efficacité de l’entretien motivationnel.197
Hill et coll., dans leur revue publiée en 2012, visaient à évaluer de façon plus rigoureuse
l’efficacité de l’entretien motivationnel sur l’adhésion au traitement antirétroviral.196 Cinq
essais contrôlés à répartition aléatoire ont été retenus pour cette revue d’Hill et coll.196 Trois
de ces essais présentaient un effet positif de l’entretien motivationnel sur l’adhésion au
traitement antirétroviral.196 Hill et coll. ont conclu que l’entretien motivationnel semblait
être une intervention prometteuse pour l’amélioration de l’adhésion au traitement
antirétroviral mais plus d’études de bonne qualité méthodologique étaient nécessaires pour
mieux comprendre son efficacité.196
En 2013, deux méta-analyses incluant des sous-analyses portant sur l’efficacité de
l’entretien motivationnel sur l’adhésion au traitement médicamenteux ont été publiées.189,199
L’objectif de la méta-analyse d’Easthall et coll. était d’évaluer l’efficacité des interventions
basées sur des techniques de changement de comportement sur l’adhésion au traitement
médicamenteux excluant les traitements en santé mentale.199 Vingt-six essais contrôlés à
répartition aléatoire ont été inclus dans cette méta-analyse.199 Dans la sous-analyse évaluant
l’efficacité de l’entretien motivationnel et basée sur 11 études, les auteurs ont démontré une
absence d’efficacité en tenant compte du biais de publication identifié [g d’Hedges= 0,137,
IC95%= (−0,067; 0,341)].199 Cette efficacité globale des interventions «entretien
motivationnel» n’était pas statistiquement différente de celle de l’ensemble des autres types
d’interventions [g d’Hedges= 0,356; IC95%= (0,223; 0,489)].199 La concordance entre les
67
deux réviseurs pour la sélection par lecture de résumés des études était modérée, soit un
kappa de 0,57.199 Easthall et coll. n’ont pas évalué l’influence des caractéristiques de
l’entretien motivationnel sur son efficacité relative à l’amélioration de l’adhésion au
traitement médicamenteux.
L’objectif de la méta-analyse de Lundhal et coll. était d’évaluer l’efficacité de l’entretien
motivationnel dans les milieux de soins médicaux.189 Cinquante-et-un essais contrôlés à
répartition aléatoire ont été inclus dans cette méta-analyse dont quatre ont été utilisées pour
l’évaluation de l’efficacité de l’entretien motivationnel sur l’adhésion au traitement
médicamenteux.189 L’entretien motivationnel ne semblait pas être efficace pour améliorer
l’adhésion au traitement médicamenteux dans cette méta-analyse de Lundhal et coll.
rapport de cotes= 1,25; IC95%= (0,95; 1,65)].189 Comme dans la première méta-analyse, les
auteurs n’ont pas évalué l’influence des caractéristiques de l’entretien motivationnel sur son
efficacité relative à l’amélioration de l’adhésion au traitement médicamenteux.
En somme, les auteurs des revues publiées entre 2005 et 2012 déploraient non seulement le
petit nombre d’études existantes sur l’efficacité de l’entretien motivationnel, mais aussi,
posaient un problème de qualité sous-optimale des études originales. Toutefois, deux de ces
revues datent de 2005 et 2009, et plusieurs études originales évaluant l’efficacité de
l’entretien motivationnel sur l’adhésion au traitement médicamenteux ont été publiées
depuis la publication de ces revues. Aussi, ces revues étaient restreintes à une seule
maladie, ceci pourrait aussi expliquer le très petit nombre d’études retenues par ces auteurs.
Faire une méta-analyse incluant beaucoup plus d’études permettrait d’isoler l’efficacité
pure de l’entretien motivationnel sur l’adhésion au traitement médicamenteux. Pour ce qui
est des méta-analyses publiées en 2013, aucune n’a exploré l’influence des caractéristiques
de l’entretien motivationnel sur son efficacité globale. Ceci pourrait être dû au fait que ces
deux méta-analyses n’avaient pas pour objectif principal d’évaluer l’efficacité de l’entretien
motivationnel sur l’adhésion au traitement médicamenteux.
Une nouvelle revue systématique et méta-analyse sur la question permettrait d’explorer de
manière plus approfondie, sur la base d’un devis rigoureux, l’efficacité de l’entretien
motivationnel sur l’adhésion au traitement médicamenteux. Aussi, l’exploration de
68
l’influence des caractéristiques de l’entretien motivationnel serait pertinente pour
l’optimisation de l’efficacité de cette intervention dans les pratiques cliniques.
2.12 Résumé de l’état des connaissances
Le diabète de type 2 est une maladie chronique multifactorielle et évolutive qui peut se
traiter efficacement en vue de réduire les complications, les coûts et l’utilisation des
services de soins de santé, ainsi que la mortalité liée à la maladie. Selon plusieurs lignes
directrices de pratique clinique en diabète, les ADO constituent le traitement
médicamenteux de première intention en l’absence d’une amélioration du contrôle
glycémique suite aux traitements non médicamenteux qui sont l’activité physique et la
diète. Près de 60% des adultes atteints de diabète de type 2 affirment que les ADO
constituent le traitement médicamenteux principal utilisé pour le contrôle de leur maladie.
Toutefois, ces médicaments ne sont pas toujours pris tels que prescrits par les médecins. Au
Québec, par exemple, parmi les adultes qui ont initié un TADO entre 2000 et 2008, 21%
avaient cessé leur TADO un an après l’initiation et parmi ceux qui persistaient, 22%
n’étaient pas adhérents à leurs traitements. Ceci démontre que l’adhésion au TADO est sous
optimale chez les adultes atteints de diabète de type 2. Cette adhésion sous optimale
occasionne des complications liées au diabète, l’augmentation de l’utilisation des services
de soins de santé, les coûts de santé, ainsi que la mortalité liée au diabète chez les adultes
atteints de diabète de type 2.
Pour remédier à l’adhésion sous optimale au TADO et prévenir les conséquences négatives
qui y sont associées, il faudrait d’abord comprendre et expliquer l’adhésion au TADO,
ensuite trouver des solutions adéquates. Notre évaluation préliminaire de la littérature a
montré que cette problématique n’était pas nouvelle. Nous avons donc effectué une
synthèse des déterminants de l’adhésion au TADO classifiés selon la catégorisation des
déterminants suggérée par l’OMS. Les résultats de cette synthèse nous ont amenés à nous
intéresser aux théories comportementales plus particulièrement la théorie du comportement
planifié conçue pour permettre d’identifier les déterminants psychosociaux de l’adhésion.
Ensuite, nous avons fait une synthèse des interventions visant à améliorer l’adhésion au
69
TADO dont les résultats nous ont amenés à investiguer l’entretien motivationnel en termes
de concept et d’efficacité.
Au terme de cet état des connaissances, nous avons identifié trois lacunes importantes dans
la littérature que nous avons tentées de combler dans la présente thèse.
1) Il y a une absence d’étude basée sur un cadre théorique et portant sur les
déterminants psychosociaux (reliés au patient) de l’adhésion au TADO
mesurée dans un contexte de suivi des patients. La théorie du comportement
planifié a été démontrée efficace pour la prédiction de l’adoption de
plusieurs comportements favorables à la santé. Elle sera donc explorée dans
le cadre de l’adhésion au traitement antidiabétique non-insulinique (TADNI)
afin d’identifier ses déterminants psychosociaux. Rappelons que le TADNI
inclut les médicaments antidiabétiques oraux et les injectables non-
insuliniques.
2) Bien que nous ayons pu qualitativement identifier quelques caractéristiques
des interventions efficaces à l’amélioration de l’adhésion au TADO, il est
important de vérifier si les interventions visant à améliorer l’adhésion au
TADO sont globalement efficaces et quels ingrédients (techniques de
changement de comportement) de leur contenu influenceraient
substantiellement cette efficacité globale. L’identification de ces ingrédients
permettrait d’optimiser de futures interventions.
3) Un problème majeur des interventions efficaces existantes est l’incapacité de
les reproduire et de les implanter en pratique clinique. L’entretien
motivationnel qui est une intervention comportementale bien connue et déjà
utilisée dans certains milieux cliniques semble être une solution. Son
efficacité a été démontrée pour l’adoption de plusieurs comportements
favorables à la santé. Toutefois, la preuve existante sur son efficacité pour
l’amélioration de l’adhésion au traitement médicamenteux reste insuffisante
et faible. Il serait donc pertinent d’évaluer de façon plus exhaustive
70
l’efficacité globale de l’entretien motivationnel sur l’adhésion au traitement
médicamenteux. De plus, l’étude des caractéristiques de l’entretien
motivationnel permettrait d’optimiser son adaptation à la problématique de
l’adhésion au TADO chez les adultes atteints de diabète de type 2.
71
3 Chapitre 3 : Objectifs de recherche
3.1 Objectif général
Identifier les déterminants psychosociaux de l’adhésion au TADNI (médicaments
antidiabétiques oraux et injectables non-insuliniques) en se basant sur la théorie du
comportement planifié. Ensuite, identifier les stratégies prometteuses de changement de
comportement pouvant substantiellement améliorer l’adhésion au TADO chez les adultes
atteints de diabète de type 2.
3.2 Objectifs spécifiques
Vérifier si la théorie du comportement planifié prédit l’adhésion au TADNI chez les
adultes atteints de diabète de type 2. Ceci revient à étudier le lien entre l’intention et
l’adhésion au TADNI d’une part, et les liens entre le contrôle comportemental
perçu, la norme subjective, l’attitude et l’intention d’autre part.
Évaluer l’efficacité globale des interventions visant à améliorer l’adhésion au
TADO chez les adultes atteints de diabète de type 2 et étudier l’influence des
techniques de changement de comportement sur cette efficacité globale.
Évaluer l’efficacité globale de l’entretien motivationnel sur l’adhésion au traitement
médicamenteux chez les adultes atteints de maladie chronique et étudier l’influence
des caractéristiques de cette intervention sur cette efficacité globale.
72
4 Chapitre 4: Predicting non-insulin antidiabetic drug adherence using a theoretical framework based on the theory of planned behaviour in adults with type 2 diabetes: A prospective study
4.1 Résumé
Introduction: La compréhension du processus de l’adhésion sous-optimale au traitement
antidiabétique non insulinique (TADNI) est essentielle pour la conception d’interventions
efficaces pour pallier à ce problème. La théorie du comportement planifiée (TCP) est
connue comme étant un bon prédicteur des comportements liés à la santé. Nous visons donc
à vérifier si la TCP prédit l’adhésion future au TADNI chez les adultes atteints de diabète
de type 2.
Méthodes: Nous avons conduit une étude prospective chez les adultes atteints de diabète de
type 2. Ces adultes ont complété un questionnaire auto-administré portant sur les variables
de la TCP et d’autres dites «externes». Une régression linéaire multivariée a été utilisée
pour explorer la capacité de la TCP à prédire l’adhésion future au TADNI mesurée
prospectivement comme étant la proportion de jours couverts par au moins un TADNI.
L’interaction entre l’adhésion passée au TADNI et l’intention a été testée.
Résultats: L’échantillon analysé incluait 340 personnes. Il y avait une interaction entre
l’adhésion passée et l’intention (valeur-p= 0,0324). L’intention ne prédisait pas l’adhésion
future au TADNI ni chez les adhérents passés ni chez les non-adhérents passés. La force de
l’association entre l’intention et l’adhésion future était plus élevée chez les non-adhérents
passés [β= 5,686; IC95%= (-10,174; 21,546)].
Conclusion: La présente étude suggère que la TCP est un bon outil pour prédire l’intention
d’adhérer et l’adhésion future au TADNI. Cependant, il y avait un écart entre l’intention et
l’adhésion future au TADNI, qui est partiellement expliqué par le niveau de l’adhésion
passée.
73
4.2 Abstract
Background: Understanding the process behind non-insulin antidiabetic drug (NIAD)
non-adherence is necessary for designing effective interventions to resolve this problem.
This study aimed to explore the ability of the Theory of planned behaviour (TPB), which
is known as a good predictor of behaviours, to predict the future NIAD adherence in
adults with type 2 diabetes.
Methods: We conducted a prospective study of adults with type 2 diabetes. They
completed a questionnaire on TPB variables and external variables. Multiple linear
regression was used to explore the TPB’s ability to predict future NIAD adherence, which
was prospectively measured as the proportion of days covered by at least one NIAD
using pharmacy claims data. The interaction between past NIAD adherence and intention
was tested.
Results: The analysed sample included 340 people. There was an interaction between
past NIAD adherence and intention to adhere to the NIAD (p-value= 0.0324). Intention
did not predict future NIAD adherence in the past adherers and non-adherers groups, but
its association measure was high among past non-adherers [β= 5.686; 95%CI= (-10.174,
21.546)].
Conclusion: The present study suggests that TPB is a good tool to predict intention to
adhere and future NIAD adherence. However, there was a gap between intention to
adhere and actual adherence to the NIAD, which is partly explained by the past
adherence level.
74
4.3 Introduction
Nearly six out of ten adults with type 2 diabetes report that they use a non-insulin
antidiabetic drug (NIAD) as their main pharmacologic treatment.5,57 A systematic review
of studies in which NIAD adherence was measured as the proportion of days covered
with NIAD showed that the proportion of NIAD adherers ranged from 30.4%109 to
70.6,106 and was less than 62.7% in half of the consulted studies.102,105,106,109,131 In these
studies, a participant was considered adherent when his proportion of days covered was
equal to or greater than 80%.102,105,106,109,131 This shows that NIAD adherence is often
suboptimal in adults with type 2 diabetes. This suboptimal NIAD adherence leads to
negative consequences, such as suboptimal metabolic control,200,201 increased risk of
diabetes complications and hospitalizations,202,203 and additional health care expenditures,
for adults with type 2 diabetes.204
Understanding why many people with type 2 diabetes do not take their NIAD as
prescribed is very important for designing effective interventions to resolve this problem.
According to the World Health Organization, there are multiple determinants of
medication adherence, and these determinants can be categorized into five groups: 1)
economic and socio-demographic, 2) health care team and system-related, 3) disease-
related, 4) therapy-related, and 5) patient-related factors.15 Some of these determinants
are non-modifiable (e.g., sex, age) or difficult to modify (e.g., education level), whereas
others are modifiable (e.g., intention, perceived behavioural control) using behavioural
methods. Although all these determinants could be useful for optimizing medication
adherence-enhancing interventions, many authors recommend implementing behavioural
interventions based on patient-related determinants, especially those identified using
behavioural theories.16,205
Among the many behavioural theories, the theory of planned behaviour (TPB) has been
shown to effectively predict many behaviours (e.g., physical activity, smoking cessation,
alcohol consumption reduction).163,165,166 Moreover, this theory [Cohen’s d= 0.36,
95%CI= (0.15, 0.56)] seemed to be more effective than other theories such as the
75
transtheoretical model [Cohen’s d= 0.20, 95%CI= (0.08, 0.33)] and social cognitive
theory [Cohen’s d= 0.15, 95%CI= (0.04, 0.25)] when used to design web-based
behavioural interventions.155 According to the TPB principles, intention (i.e., in this case,
the expression of the patient’s degree of motivation to adhere to their NIAD) and
perceived behavioural control can determine the adoption of this health-related
behaviour.157 Moreover, an individual’s intention to be adherent is determined by his/her
attitude towards adherence (i.e., the degree to which the patient values adherence
positively or negatively), subjective norms (i.e., the perceived social pressure to be
adherent), and perceived behavioural control (i.e., the patient’s perceptions of his/her
ability to be adherent).157
In a recent meta-analysis based on studies that employed the TPB and assessed
behaviours prospectively after the participants completed the TPB questionnaire,
intention and perceived behavioural control explained 14.8% to 23.9% of the variance in
the adoption of behaviours such as risky behaviours (14.8%), drug abstinence (15.3%),
dietary behaviours (21.2%), and physical activity (23.9%).163 Intention was the main
predictor of behaviours. Moreover, McEachan et al. observed that attitude, subjective
norms, and perceived behavioural control explained 36.6% to 50.3% of the variance in
the intention to adopt the behaviours listed above.163 To our knowledge, only one
empirical study aimed to investigate the TPB’s ability to predict future medication
adherence.206 However, we did not find any study on the TPB’s ability to predict NIAD
adherence assessed prospectively. Thus, the present study aimed to explore whether TPB
predicts NIAD adherence in adults with type 2 diabetes. More specifically, we tested
whether intention predicts NIAD adherence and whether attitude and perceived
behavioural control predict intention to adhere to NIAD.
4.4 Research design and methods
We conducted a prospective study. Adults with type 2 diabetes completed a self-
administered questionnaire on TPB and external variables (defined below). Their NIAD
adherence was measured in the 30 days before and 30 days after they completed the self-
administered questionnaire using pharmacy claims data.
76
4.4.1 Theoretical framework
Several empirical studies’ syntheses confirm the associations between intention and
behaviour and between other TPB variables and intention in respect to the TPB’s
principles.163,166 Indeed, according to several prospective studies, intention is the main
predictor of behaviour.163,166 Perceived behavioural control becomes an important
predictor of behaviour when the person does not have the volition to adopt the
behaviour.157 Past behaviour is a strong confounding factor of the associations between
intention and behaviour and between perceived behavioural control and behaviour.163
Indeed, the results of a meta-analysis showed that when the participants’ past behaviour
was added to a model including intention and perceived behavioural control, the
regression coefficient of intention changed substantially from 0.345 to 0.019 for risky
behaviours, from 0.420 to 0.222 for physical activity, from 0.354 to 0.293 for dietary
behaviours, from 0.306 to 0.235 for drug abstinence.163 Individuals’ attitude towards the
behaviour, subjective norms, and perceived behavioural control predict their intention to
adopt the behaviour.163,165,166 Moreover, perceived behavioural control is the main
predictor of intention to adopt the behaviour.163,165,166
Therefore, we based the present study on the framework shown in Figure 4.1, in which
participants’ past behaviour was NIAD adherence in the 30 days before they completed
the questionnaire (past NIAD adherence). The behaviour that we aimed to predict was
NIAD adherence in the 30 days after the completion of the questionnaire (future NIAD
adherence). The items of web questionnaire were reported in the supplemental material of
chapter 4.
As depicted in the model, we assumed that intention would directly predict future NIAD
adherence. Moreover, we assumed that patients’ intention to adhere to NIAD would be
directly predicted by their perceived behavioural control, subjective norms, and attitude
towards NIAD adherence. Past NIAD adherence was studied as both a main potential
confounding and a modifying variable in the association between intention and future
NIAD adherence. We also checked whether perceived behavioural control is a
confounding factor in the association between intention and future NIAD adherence.
77
Because some economic and socio-demographic, disease-related, and therapy-related
variables are known to be predictors of NIAD adherence (as evidenced in the literature),15
they were also considered as potential confounding variables (see Figure 4.1).
Possible association Past NIAD adherence = Past adherence was measured with information on drugs claimed by participants during the 30 days before they completed the questionnaire. NIAD = non-insulin antidiabetic drug Perceived behavioural control may be a direct predictor of behaviour when behaviour is not fully under the control of volition. Economic and socio-demographic, disease-related, therapy-related variables, and past NIAD adherence may be direct predictors of intention and/or behaviour and potential confounding variables of the intention-behaviour relationship. Figure 4.1: Theoretical framework of the study
4.4.2 Study design and population
We performed a prospective study using both the data of a web survey and pharmacy
claims data obtained through the ReMed platform. This registry contains information on
prescribed medications dispensed in community pharmacies for residents of Quebec who
have private drug insurance and patients enrolled in clinical or epidemiologic studies. We
carried out a web survey of adults with type 2 diabetes during the period between
December 2012 and February 2013. The web survey consisted of an online multi-
sectional questionnaire containing items measuring TPB variables (intention, perceived
behavioural control, and attitude) and potential confounding variables such as economic
Attitude
Intention Subjective norms
Perceived behavioural control
Future NIAD adherence
Eco
nom
ic a
nd
soc
io-d
emog
rap
hic
, d
isea
se-r
elat
ed, a
nd
th
erap
y-re
late
d f
acto
rs
Past NIAD adherence
78
and socio-demographic, disease-related, and therapy-related variables. Details of the
development and preliminary validation of this questionnaire are described elsewhere.207
The study population was drawn from the Diabète Québec membership file. Diabète
Québec is the diabetic patients’ advocacy association in the province of Quebec. Through
an e-mail invitation, an employee of the association contacted members (N= 6258) who
met the following criteria: aged 18 years or more; reporting a diagnosis of type 2
diabetes. Only those currently prescribed at least one NIAD were eligible. In total, 901
people completed the web survey. We had access to pharmacy claims data through the
ReMed platform for the calculation of NIAD adherence for 431 of these participants.
Because the TPB variables focused on NIADs only, we excluded 91 participants who
stated that they took insulin during the 30 days before they completed the questionnaire.
Therefore, the present analyses are based on 340 adults with type 2 diabetes using only
NIADs.
4.4.3 Dependent variables
The first dependent variable was future NIAD adherence measured for the 30-day period
following the date of questionnaire completion, which was the index date. The period of
NIAD adherence measure was defined in respect to the temporality used to measure the
TPB variables.207 Future NIAD adherence was measured as the proportion of days
covered which is the total number of days covered by at least one NIAD divided by 30
days and expressed as a percentage. This method allowed us to discriminate people who
did not refill any NIAD prescription from those who refilled it.123 We did not take into
account hospitalization days in our calculation because these data are missing from the
ReMed platform. However, we took into account the days which overlapped the period of
adherence measurement for participants who refilled their NIAD before this period.
The second dependant variable was the intention to adhere to the NIAD, which was
measured using three items (see Table 4.1) that were assessed with a Likert scale ranging
from one (low) to six (high). The total score of intention was the mean score of the three
items and ranged from one (low) to six (high).
79
4.4.4 Main independent variables
The intention to adhere to the NIAD and perceived behavioural control (3 items) were
used as the main independent variables to predict future NIAD adherence. Because the
subjective norms scale had a poor temporal stability (intra-class correlation less than
0.60) in the preliminary validation of TPB variables,207 this data was not collected. Thus,
only attitude (4 items) and perceived behavioural control were used as the main
independent variables to predict the intention to adhere to the NIAD. The items of these
TPB variables were measured with a six-point Likert scale ranging from one (low) to six
(high). The total score of a TPB variable was the mean score of the corresponding items.
4.4.5 Other independent variables
Past NIAD adherence was computed using the same method described above except the
measurement period was the 30-day period preceding the questionnaire completion.
The economic and socio-demographic, disease-related, and therapy-related variables such
as participants’ age, sex, education level (from no education to completed university),
family income (from less than $CAN 10,000 to 100,000 or more), social support (high,
medium, low), perceived NIAD costs (from inexpensive to very expensive), insurance
regimen (public, private), number of years since diabetes diagnosis, number of
antidiabetic pills prescribed for daily use, use of a pill organizer, perceived side effects of
the NIAD, anxiety, and depression mood (range score= 0 [low] – 6 [high]) were self-
reported through the questionnaire.207 Variables such as social support,208 anxiety,209
depression mood,210,211 and perceived side effects212 were assessed using validated
specific questionnaires included in our full questionnaire, which is described
elsewhere.207 All these variables are considered external variables.
4.4.6 Statistical analyses
We assessed the psychometric properties of all TPB variables. First, we checked whether
these variables contained only one dimension using exploratory factorial analyses. We
used the Kaiser’s eigenvalue-greater-than-one rule213 and Cattell’s scree plot214 to
determine the number of dimensions for each variable. Each dimension was considered
80
as a variable in the next steps of our analyses. Second, we assessed the internal
consistency of each dimension with Cronbach’s alpha coefficient. We retained only
dimensions for which the Cronbach’s alpha coefficient was equal to or greater than
0.60.215
All variables retained from the preceding step were described for the full sample and
according to past NIAD adherence levels (≥ 80% and < 80%). The threshold of 80% has
been shown to be clinically relevant in discriminating adherers and non-adherers among
people with diabetes.98 Moreover, it has been used in several empirical studies.11,101,102,104-
108,110,112,116,119,122
To explore whether the intention to adhere to the NIAD predicts future NIAD adherence,
we performed the analyses in five steps. Step 1, we traced a graph of the dependent
variable as a function of each continuous independent variable to check the linearity
between independent and dependent variables using the LOESS procedure of SAS.216
These graphs allowed us to recode continuous variables when necessary. Step 2, we
performed a univariate regression model for each continuous variable and for its recoded
form obtained from the first step. We considered the appropriate variable form to be the
one that better explained the dependent variable. Step 3, we considered external variables
that were associated with the dependent variable at a p-value less than 0.20 as potential
confounding variables.217 Then, we assessed the presence of multicollinearity between
these potential confounding variables using Belsley’s criteria.218 Before building the
statistical model, we computed a matrix of Spearman correlations between studied
variables. Step 4, according to our theoretical framework, we constructed three statistical
models of future NIAD adherence prediction: Initial model 1a included intention because
perceived behavioural control was not associated with future NIAD adherence at a p-
value less than 0.20. Then, we added past NIAD adherence to initial model 1a. Finally,
we added external variables associated with prospective NIAD adherence at a p-value
less than 0.20 to the latter model.217 To predict the intention to adhere to the NIAD, we
also constructed three statistical models. The first of these models (initial model 1b)
included attitude and perceived behavioural control. Past NIAD adherence was added to
81
the initial model 1b to obtain the second model. Finally, we added external variables
associated with the intention to adhere to the NIAD at a p-value less than 0.20 to this
second model to construct the third model.217
We also explored the interaction between intention and past NIAD adherence in the
regression model predicting future NIAD adherence. Because of the statistical
significance (p-value< 0.05) of this interaction, the results for the prediction of NIAD
adherence are reported according to past NIAD adherence levels (past adherers, PDC≥
80%; past non-adherers, PDC< 80%).
All statistical analyses were performed using SAS version 9.4 software,216 and statistical
tests were bilateral.
4.5 Results
In total, 340 adults with type 2 diabetes were included in the present study. There are no
missing data for these people. The mean PDC was 87.9% (SD= 25.1%) before and 89.7%
(SD= 23.8%) after the participants completed the questionnaire. Moreover, 86.2% of the
participants had good past NIAD adherence (PDC≥ 80%).
4.5.1 TPB variables
The factorial analyses of TPB variables confirmed that the items of intention, perceived
behavioural control, and attitude each measured a unique dimension (see Table 4.1). The
Cronbach’s alpha values were 0.89, 0.88 and 0.79 for intention, perceived behavioural
control, and attitude, respectively. On average, we observed a high intention to adhere to
the NIAD (mean score= 5.78/6, SD= 0.710), a high level of perceived behavioural
control (mean score= 5.70/6, SD= 0.665), and a high score for attitude (mean score=
5.55/6, SD= 0.617) (see Table 4.2).
4.5.2 External variables
The external variables are described in Table 4.2. The mean age of the people in our
sample was 62.4 years (SD= 9.184). Of the participants, 57.7% were men, 38.5% had a
82
university degree, and 13.8% had a family income of $CAN 60,000 or more. The mean
number of years since diabetes diagnosis was 9.05 years (SD= 8.13). Sixty-nine percent
of participants used a pill organizer, 74.7% had to take less than five antidiabetic pills per
day, and 11.8% perceived that their antidiabetic medication had side effects.
4.5.3 Correlation matrix between variables
The correlation matrix showed that intention (Spearman correlation= 0.13, p-value=
0.016) and perceived behavioural control (Spearman correlation= 0.14 p-value= 0.007)
were positively associated with past NIAD adherence but not with future NIAD
adherence. Attitude was not associated with past or future NIAD adherence. Perceived
behavioural control and attitude were positively associated with intention to take the
NIAD as prescribed (Spearman correlation= 0.58, p-value< 0.001 and Spearman
correlation= 0.20 p-value< 0.001, respectively).
4.5.4 Prediction of future NIAD adherence
Our first hypothesis was that intention would predict future NIAD adherence in adults
with type 2 diabetes. The initial model 1a including intention resulted in an explained
variance of only 0.32%. The effect of intention on future NIAD adherence was not
statistically significant (see Table 4.3). When past adherence was added to the initial
model 1a, the explained variance increased from 0.32% to 29.26%, and the effect of
intention substantially changed from regression coefficient (β) = 1.883 with 95%CI= (-
1.700, 5.467) to β= 0.544 with 95%CI= (-2.487, 3.575). Among the external variables
studied, social support, sex, perception of adverse effects of medication, use of a pill
organizer and family income were statistically associated with future NIAD adherence at
a p-value less than 0.20. When these external variables were added to the preceding
regression model, the effect of intention decreased to 0.109 with 95%CI= (-2.931, 3.149),
and the explained variance became 33.44%.
4.5.5 Prediction of the intention to adhere to the NIAD
Our second hypothesis was that perceived behavioural control and attitude would predict
the intention to adhere to the NIAD. The initial model 1b including only these two TPB
83
variables explained 64.2% of the variance in the intention to adhere to the NIAD. The
effects of perceived behavioural control and attitude on the intention to adhere to the
NIAD were β= 0.882 with 95%CI= (0.792, 0.971) and β= -0.044 with 95%CI= (-0.141,
0.052), respectively. When we added past adherence to the initial model 1b, these
parameters did not change (see Table 4.3). The results were quite similar when we added
the external variables associated with intention to adhere to the NIAD at a p-value less
than 0.20 (see Table 4.3).
4.5.6 Interaction between past adherence and intention to adhere to the NIAD
The interaction between intention and past NIAD adherence was statistically significant
(p-value= 0.0324). Therefore, we repeated the analyses after stratifying the participants
according to past NIAD adherence levels, PDC< 80% (47 participants) and PDC≥ 80%
(293 participants) (see Table 4.4).
Comparing past non-adherers to past adherers, the regression model containing intention
showed that the explained variance in future NIAD adherence was 5.4 times higher but
remained small (2.11%/0.39%). When we added the external variables to the model
containing intention, the explained variance among past non-adherers (37.96%) remained
higher than that among past adherers (4.78%). However, the adjusted effect of intention
on future NIAD adherence was higher for past non-adherers [β= 5.686; 95%CI= (-
10.174, 21.546)] than past adherers [β= -1.543; 95%CI= (-3.669, 0.583)] (see Table 4.4).
However, these effects remained statistically nonsignificant. For the past non-adherers,
we observed that the confidence intervals were very large (see Table 4.4).
The regression model containing attitude and perceived behavioural control showed that
the explained variance in the intention to adhere to the NIAD was 1.4 times higher for
past non-adherers than for past adherers (84.5%/59.4%). Perceived behavioural control
was the main predictor of intention to adhere and showed a similar magnitude in the past
adherers [β= 0.894; 95%CI= (0.792; 0.997)] and past non-adherers groups [β= 0.795;
95%CI= (0.601, 0.990)]. The addition of external variables did not change these results
84
(see Table 4.4).
4.6 Discussion
4.6.1 Principal findings
Three relevant findings can be drawn from the present study. First, a high proportion of
people included in our analyses had good past and good future NIAD adherence. Second,
past NIAD adherence was both a strong predictor and a modifying factor for the
prediction of future NIAD adherence. Third, the TPB was good at predicting intention to
adhere to the NIAD in adults with type 2 diabetes but not at predicting future NIAD
adherence even after stratifying participants according to past adherence level. Moreover,
the TPB better predicted both intention to adhere to the NIAD and future NIAD
adherence in the past non-adherers group than the past adherers group. Thus, the TPB
could be more effective in predicting the NIAD adherence of past non-adherers than that
of past adherers.
4.6.2 Explanation of principal findings and relation with the literature
A high proportion of people included in our analyses had good past adherence. The
proportion of NIAD adherers, measured as the proportion of days covered using a
pharmacy claims database and stratified with a cut-off of 80%, has been assessed in many
retrospective cohort studies.101,102,105,106,109,131 In these studies, the proportions of NIAD
adherers varied from 45.0%105 to 70.6%,106 which is lower than the proportion we
observed. This discrepancy between our result and those reported in the literature could
be partially explained by the particularity of our participants, who were all members of
the provincial diabetes association and long-term users of an NIAD. Indeed, one of core
functions of this Association is to help its members prevent diabetes complications by
offering them diabetes information, diabetes education, and self-management training
workshops. Therefore, people from this Association could be better informed about
diabetes self-management and might have better tools to self-manage their diabetes than
those from the general population with type 2 diabetes. Moreover, our participants were
85
volunteers. Thus, they could be more likely to take care of their diabetes. Another
explanation is the period considered (30 days) for the assessment of NIAD adherence, as
it was shorter than the periods used in the literature (from 3 to 12 months in previous
studies).101,102,105,106,109,131
Past NIAD adherence was a strong predictor of future NIAD adherence. Indeed, the
addition of past NIAD adherence to the initial model 1a including intention and perceived
behavioural control substantially increased the explained variance from 0.35% to 29.5%.
To our knowledge, only one previous study aimed to investigate the TPB’s ability to
predict future medication adherence while controlling for past behaviour.206 This study
showed that past behaviour (history of non-adherence to medical advice) was a strong
predictor, explaining 23% of future immunosuppressant therapy adherence, a value
relatively close to the value that we observed (29.5%). Our result is also in line with those
of meta-analyses by McEachan et al.163 These authors controlled for past behaviour and
showed that the TPB (intention and perceived behavioural control) explained variance
ranging from 26.7% for drug abstinence to 40.1% for risky behaviour predictions.163 In
this meta-analysis, perceived behavioural control had a minor contribution in the
prediction of future immunosuppressant therapy adherence. Our result suggests that past
NIAD adherence plays an important role in the prediction of future NIAD adherence.
Studying the modifying effect of past NIAD adherence allowed us to observe that the
TPB better predicted both intention and future NIAD adherence in the past non-adherers
group than the past adherers group. However, the explained variance of future NIAD
adherence remained low (2.1% for non-adherers and 0.39% for adherers) when external
variables were not controlled, and the effect of intention on future NIAD adherence
remained statistically nonsignificant (see Table 4.4). These results are not in line with the
TPB’s principles.157 Indeed, the mean score of intention to adhere to the NIAD was very
high both in the past non-adherers and past adherers groups (see Table 4.1). According to
the TPB’s principles,157 one should observe high future NIAD adherence among both past
non-adherers and past adherers. In fact, in line with their high mean score on the intention
variable, past adherers maintained their NIAD adherence level during the 30 days
86
following the completion of the questionnaire (before web survey: mean PDC= 96.7%,
SD= 5.2; after web survey: mean PDC= 94.9%, SD= 12.7%). Similarly, in line with their
high score on the intention variable, past non-adherers also substantially improved their
NIAD adherence level during the next 30 days (before web survey: mean PDC= 33.3%,
SD= 30.3%; after web survey: mean PDC= 57.6%, SD= 44.3%). Thus, we could consider
that many people put their words into action. Our question is as follows: Why did we
observe a low explained variance and the absence of an effect of intention on future
NIAD adherence? We propose two hypotheses. First, these results could be partially
attributed to the lack of statistical power, especially for the past non-adherers group,
which included only 47 participants. In fact, according to the manual of TPB analyses, a
sample size of 80 people is acceptable for TPB studies using a multivariate regression
approach.215 Second, our results could be explained by the fact that we used an objective
method to measure future NIAD adherence. Indeed, the results of a meta-analysis showed
that future physical activity was better predicted by TPB variables when physical activity
was measured through a self-report method (25.7% of the variance explained) compared
to an objective method (12.1% of the variance explained).163 In fact, the TPB variables
were always self-reported by study participants; thus, these variables could be affected by
desirability bias, resulting in an overestimation of their scores. This is not the case for
NIAD adherence in our study or other behaviours assessed using an objective method.
The highest explained variance for future NIAD adherence prediction in our analyses
including external variables was 38.0% (in the past NIAD non-adherers group). Thus, at
least 62.0% of the variance remained unexplained by the full model. This result suggests
that to better understand the prediction of medication adherence, one needs to construct a
predictive statistical model based on multilevel determinants such as health care team and
health system-related, socioeconomic-related, disease-related, therapy-related, and
patient-related factors.15 However, the objective of the present study was to explore the
TBP’s ability to predict future NIAD adherence and, therefore, to identify patient-related
determinants that can be modified to improve NIAD adherence.
We found that intention to adhere to the NIAD was predicted by attitude and perceived
87
behavioural control both among past non-adherers and past adherers. Moreover,
perceived behavioural control was the main predictor of intention to adhere to the NIAD.
These results are in line with the TPB’s principles157 and with a previous empirical
study.206 Indeed, Chisholm et al. found that attitude, subjective norms and perceived
behavioural control together explained 41.0% of the variance in the intention to adhere to
immunosuppressant therapy.206 In addition, Chisholm et al. observed that perceived
behavioural control was the main predictor of intention.206 However, one should note that
the magnitude of the explained variance in our study was higher than that observed by
Chisholm et al. This difference could be partially explained by the type and the previous
level of adoption of health-related behaviour. Indeed, we observed that the explained
variance in intention to adhere to the NIAD increased when the past adherence level
decreased (past adherers: 59.4%, mean PDC= 96.7%; full sample: 64.2%, mean PDC=
87.9%; past non-adherers: 84.5%, mean PDC= 33.3%). These results suggest that
clinicians or researchers, who are interested in understanding the readiness of adults with
type 2 diabetes in terms of NIAD adherence, should keep in mind that patients’ past
adherence level could be central to the success of adherence-enhancing interventions.
Thus, clinicians or researchers could adapt adherence-enhancing interventions according
to patients’ past adherence level.
4.6.3 Limitations and strengths
Our study has limitations. First, we were not able to collect data on subjective norms.
This limitation could have influenced not only the effects of attitude and perceived
behavioural control on intention but also the explained variance of intention prediction.
However, we think that the impact could be minor because subjective norms were not
often reported as a major factor in TPB variables.163 Second, we did not have a sufficient
sample to show the TPB’s ability to predict future NIAD adherence both in the past
adherers and past non-adherers groups. Third, we were not able to collect the pharmacy
claims data for all web survey participants (N= 340 instead of N= 901). Thus, the
observed effects might be affected by a selection bias. However, the impact of this bias
was minor because the characteristics of the participants in our sample were quite similar
88
to those of all participants in the web survey (mean age: 62.6 versus 62.7 years; female
sex: 42.3% versus 41.4%; mean number of years since diabetes diagnosis: 9.1 versus 10
years; intention: 5.8/6 versus 5.8/6; attitude: 5.6/6 versus 5.5; perceived behavioural
control: 5.7/6 versus 5.7/6). Finally, included participants were members of a diabetes
association. These persons could be predisposed to adhere to their NIAD compared to the
general population with type 2 diabetes. This limits the generalizability of our results.
However, our study also has several strengths. First, it is the first study to assess the
TPB’s ability to predict future NIAD adherence and intention to adhere to NIAD
according to past NIAD adherence level in adults with type 2 diabetes. This allowed us to
show the modifying effect of past health-related behaviour in the prediction of future
health-related behaviour. Second, we used a rigorous method to take into account
potential confounding variables. Third, we used TPB variables with a good degree of
validity in our analyses. Finally, we used an objective method to measure NIAD
adherence. This allowed us to decrease the desirability bias that can be present when
adherence is self-reported.
4.6.4 Implications for clinical practice and research
The present study suggests that TPB is a good tool to predict intention to adhere and
future NIAD adherence, particularly in past NIAD non-adherers. Our results could have
implications for clinical practices and research. This paper helps health professionals
(physicians, pharmacists, nurses and health educators) and researchers understand the
adoption of NIAD adherence in adults with type 2 diabetes using the TPB. Health
professionals and researchers should keep in mind that the past NIAD adherence level
could influence the TPB’s ability to predict NIAD adherence among adults with type 2
diabetes. Therefore, the content of future NIAD adherence-enhancing interventions based
on TPB should be adapted according to investigators’ aim to either improve or maintain
the NIAD adherence of adults with type 2 diabetes. It is relevant to discriminate past
adherers from past non-adherers when one wishes to implement NIAD adherence-
enhancing interventions.
89
4.7 Conclusion
The present study showed that past adherence was both a strong predictor and a
modifying factor when determining future NIAD adherence. In the TPB, intention did not
predict future NIAD adherence, but attitude and perceived behavioural control predicted
intention to adhere to the NIAD among adults with type 2 diabetes. A greater sample size
could help to better predict future NIAD adherence, especially, among past non-adherers.
However, this ability to predict will remain limited because of the very low explained
variance observed. Therefore, our results suggest that an understanding of NIAD
adherence prediction would require consideration of multilevel determinants such as
those recommended by the World Health Organization. Furthermore, our results could be
relevant to clinicians and researchers who are interested in understanding the readiness to
make changes to take an NIAD as prescribed in the population of adults with type 2
diabetes. Indeed, helping adults with type 2 diabetes increase their perceived behavioural
control could improve their intention to adhere to their NIAD. Future research on
determinants of NIAD adherence needs to take into account multilevel determinants and
have a sufficient sample size.
4.8 Acknowledgments
The present study was funded by unrestricted grants from Diabète Québec, Janssen
Canada and the Laval University Chair on adherence to treatments. This Chair was
supported by unrestricted grants from AstraZeneca Canada, Merck Canada, Pfizer
Canada, Sanofi Canada and the Prends soin de toi program. Pharmacy claims data were
obtained from the ReMed platform through funding from the Réseau québécois de
recherche sur le médicament (RQRM). Dr. Guénette holds a career award from the Fonds
de recherche en santé du Québec (FRQ-S). Dr. Lauzier holds a career award from the
FRQ-S in partnership with the Institut national d’excellence en santé et en services
sociaux (INESSS). We thank Gabriel Giguère, who substantially contributed to the
development and validation of the questionnaire, and Eric Demers for support in
statistical analysis. These persons gave permission to be named. We also thank the team
of ReMed platform for their valuable collaboration, and the Réseau québécois sur l'usage
90
du medicament which funds the ReMed platform. We also thank American Journal
Experts for editing the text and Diabète Québec for facilitating recruitment for this study.
We are also grateful to all of the participants who completed the questionnaire online. We
declare no conflicts of interest.
91
Table 4.1: Psychometric properties of TPB variables*
Items Factorial analyses Internal consistency†
ritem-dimension Eigenvalue Intention 2.22 0.89 Au cours du prochain mois,…. During the next month,….
je vais prendre mes médicaments antidiabétiques comme ils m’ont été prescrits 0.67 I will take my antidiabetic drug as prescribed
je prendrai toujours mes médicaments antidiabétiques comme ils m’ont été prescrits 0.93 I will always take my antidiabetic drugs as prescribed
j’ai l’intention de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. I intend to take my antidiabetic drugs as prescribed
0.95
1 très en désaccord – 2 assez en désaccord – 3 légèrement en désaccord – 4 légèrement en accord – 5 assez en accord – très en accord 1 very disagree – 2 quite disagree – 3 slightly disagree – 4 slightly agree – 5 quite agree – 6 very agree
Attitude 1.95 0.79 Au cours du prochain mois, prendre mes médicaments antidiabétiques comme ils m’ont été prescrits sera pour moi…
During the next month, take my antidiabetic drugs as prescribed will be for me… 1 très inutile - 2 assez inutile - 3 légèrement inutile - 4 légèrement utile - 5 assez utile - 6 très utile
0.61
1 very useless – 2 quite useless – 3 slightly useless - 4 slightly useful – 5 quite useful – 6 very useful
1 très insatisfaisant - 2 assez insatisfaisant - 3 légèrement insatisfaisant - 4 légèrement satisfaisant - 5 assez satisfaisant - 6 très satisfaisant
0.82
1 very unsatisfactory – 2 quite unsatisfactory – 3 slightly unsatisfactory – 4 slightly satisfactory – 5 quite satisfactory – 6 very satisfactory
92
Items Factorial analyses Internal consistency†
ritem-dimension Eigenvalue 1 très nuisible - 2 assez nuisible - 3 légèrement nuisible - 4 légèrement bénéfique - 5 assez bénéfique - 6 très bénéfique
0.76
1 very harmful – 2 quite harmful – 3 slightly harmful – 4 slightly beneficial – 5 quite beneficial – 6 very beneficial
1 très désagréable - 2 assez désagréable - 3 légèrement désagréable - 4 légèrement agréable - 5 assez agréable - 6 très agréable
0.57
1 very unpleasant – 2 quite unpleasant – 3 slightly unpleasant – 4 slightly pleasant – 5 quite pleasant – 6 very pleasant
Perceived behavioural control 2.12 0.88 Je me sens capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. I am able to take my antidiabetic drugs as prescribed
0.92
Je prendrai facilement mes médicaments antidiabétiques comme ils m’ont été prescrits. 0.93 I will easily take my antidiabetic drugs as prescribed
Au cours du prochain mois, prendre mes médicaments antidiabétiques comme ils m’ont été prescrits sera pour moi : During the next month, take my antidiabetic drugs as prescribed will be for me:
1 très difficile - 2 assez difficile - 3 légèrement difficile - 4 légèrement facile - 5 assez facile - 6 très facile
0.65
1 very difficult – 2 quite difficult – 3 slightly difficult 4- slightly easy – 5 quite easy 6 – very easy
*Subjective norms variable was not reported because in the preliminary analysis of questionnaire development, its temporal stability was poor. Therefore, subjective norms variable was removed from the final questionnaire which was used for the survey. † Cronbach alpha’s coefficient; N= sample size used; NA= not applicable; ritem_dimension= Pearson correlation between item and dimension; eigenvalue= ∑ ritem-dimension
2
93
Table 4.2: Description of studied variables according to past non-insulin antidiabetic drug adherence levels Variables
Full sample N= 340
Past adherence* ≥ 80%, N= 293
Past adherence* < 80%, N= 47
N % N % N %TPB variables Intention to adhere to NIAD (mean, SD) 5.78 0.710 5.80 0.686 5.64 0.840Perceived behavioural control (mean, SD) 5.70 0.665 5.73 0.618 5.48 0.884Attitude towards NIAD adherence (mean, SD) 5.55 0.617 5.56 0.601 5.48 0.712Socio-demographic and clinical factors Age (mean, SD) 62.64 9.184 62.81 8.930 61.60 10.69Sex
Male 196 57.7 171 58.4 25 53.2Female 144 42.3 122 41.6 22 46.8
Level of education university completed 131 38.5 114 38.9 17 36.2college completed 49 14.4 42 14.3 7 14.8high school completed 51 15.0 45 15.4 6 12.8less than high school 109 32.1 92 31.4 17 36.2
Family income in $ 1,000 60 or more 47 13.8 40 13.7 7 14.9from 50 to less than 60 36 10.6 27 9.2 9 19.1from 30 to less than 50 71 20.9 66 22.5 5 10.6less than 30 38 11.2 32 10.9 6 12.8no response 148 43.5 128 43.7 20 42.6
Social support High 176 51.8 152 51.9 24 51.0Medium 123 36.2 110 37.5 13 27.7Low 41 12.0 31 10.6 10 21.3
Perceived NIAD costs not too expensive 67 19.7 56 19.1 11 23.4little expensive 135 39.7 111 37.9 24 51.1quite expensive 103 30.3 93 31.7 10 21.3very expensive 35 10.3 33 11.3 2 4.3
Insurance Public 144 42.3 130 44.4 14 29.8Private 196 57.7 163 55.6 33 70.2
Number of years since diabetes diagnosis (mean, SD)
9.053 8.132 9.574 8.064 8.064 8.491
Number of antidiabetic pills/ day 3.48 1.981 3.59 2.021 2.76 1.537< 5 254 74.7 221 72.4 42 89.4≥ 5 86 25.3 81 27.6 5 10.6
Use of pill organizer Yes 236 69.4 210 71.7 26 55.3No 104 30.6 83 28.3 21 44.7
Perceived side effects of NIAD Yes 40 11.8 32 10.9 8 17.0No 300 88.2 261 89.1 39 83.0
Table 4.2 continued
94
Variables
Full sample N= 340
Past adherence* ≥ 80%, N= 293
Past adherence* < 80%, N= 47
N % N % N %Anxiety
score < 3 243 71.5 208 71.0 35 74.5score ≥ 3 97 28.5 85 29.0 12 25.5
Depression (mean, SD) 0.66 1.119 0.66 1.118 0.66 1.147NIAD Adherence in past month (mean, SD) 87.94 25.063 96.71 5.161 33.26 30.25NIAD Adherence in next month (mean, SD) 89.71 23.820 94.86 12.540 56.61 45.062 NIAD= non-insulin antidiabetic drugs * Past adherence= NIAD adherence in the 30 days prior to the web survey. NIAD adherence was measured as the proportion of days covered which is the total number of days covered by at least one NIAD divided by 30 days and expressed as a percentage.
95
Table 4.3: Associations showing how theory of planned behaviour works in adults with type 2 diabetes Variables
Full sample (N= 340)
ẞ 95% CI R2(%)
Prediction of prospective NIAD adherence
Initial model 1a 0.32Intention to adhere to NIAD 1.883 -1.700, 5.467
Initial model 1a adjusted for past NIAD adherence 29.26
Intention to adhere to NIAD 0.544 -2.487, 3.575Past NIAD adherence (≥ 80% versus < 80%) 37.186 30.958, 43.415
Initial model 1a adjusted for past NIAD adherence and external variables †
33.44
Intention to adhere to NIAD in next month 0.109 -2.931, 3.149Past NIAD adherence (≥ 80% versus < 80%) 36.509 30.267, 42.752
Prediction of the intention to adhere to NIAD ‡
Initial model 1b 64.17Perceived behavioural control 0.882 0.792, 0.971Attitude -0.044 -0.141, 0.052
Initial model 1b adjusted for past NIAD adherence 64.27
Perceived behavioural control 0.887 0.797, 0.978Attitude -0.047 -0.143, 0.050Past NIAD adherence (≥ 80% versus < 80%) -0.066 -0.199, 0.067
Initial model 1b adjusted for past NIAD adherence and external variables ¥
64.39
Perceived behavioural control 0.890 0.798, 0.982Attitude -0.051 -0.150, 0.047Past NIAD adherence (≥ 80% versus < 80%) -0.068 -0.204, 0.066
NIAD= non-insulin antidiabetic drugs; R2= percentage of explained variance; ẞ= regression coefficient; CI= confidence interval. Initial model 1a= model including intention only Initial model 1b= model including attitude and perceived behavioural control only Past adherence represented the measure of taking of NIAD in participants during the month before web survey completion † Only external variables associated with NIAD adherence in next month with a p-value < 0.20 were included in the initial model 1 as potential confounding variables. These variables were the social support, sex, perception of adverse effect of medication, use of pill organizer, and family income. ‡ Subjective norms variable was not included in the intention prediction model because of its poor reliability ¥ Only external variables associated with intention to adhere to NIAD with a p-value < 0.20 were included in the initial model 2 as potential confounding variables. These variables were the age of participants, their perception of adverse effect of medication, their level of education, and the use of organizer
96
Table 4.4: Associations showing how theory of planned behaviour works in adults with type 2 diabetes according to the past non-insulin antidiabetic drug adherence levels
Variables
Past adherence* ≥ 80%, N= 293 Past adherence* < 80%, N= 47
ẞ 95% CI R2 (%) ẞ 95% CI R2 (%)
Prediction of future NIAD adherence
Initial model 1a 0.39 2.11 Intention to adhere to the NIAD -1.136 -3.240, 0.968 7.644 -8.001, 23.289
Initial model 1a adjusted for external variables† 4.78 37.96 Intention to adhere to NIAD -1.543 -3.669, 0.583 5.686 -10.174, 21.546
Prediction of the intention to adhere to the NIAD ‡
Initial model 1b 59.43 84.47 Perceived behavioural control 0.894 0.792, 0.997 0.795 0.601, 0.990 Attitude -0.067 -0.172, 0.038 0.118 -0.123, 0.359
Initial model 1b adjusted for external variables ¥ 59.76 85.79 Perceived behavioural control 0.900 0.796, 1.004 0.760 0.555, 0.966 Attitude -0.078 -0.185, 0.030 0.137 -0.114, 0.388
NIAD= non-insulin antidiabetic drugs; R2= percentage of explained variance; ẞ= regression coefficient; CI= confidence interval. Initial model 1a= model including intention only Initial model 1b= model including attitude and perceived behavioural control only *Past adherence represented the measure of taking of NIAD in participants during the 30 days before questionnaire completion. NIAD adherence was measured as the proportion of days covered which is the total number of days covered by at least one NIAD divided by 30 days and expressed as a percentage. † Only external variables associated with NIAD adherence in next month with a p-value < 0.20 were included in the initial model 1 as potential confounding variables. These variables were the social support, sex, perception of adverse effect of medication, use of pill organizer, and family income. ‡ Subjective norms variable was not included in the intention prediction model because of its poor reliability ¥ Only external variables associated with intention to adhere to the NIAD with a p-value < 0.20 were included in the initial model 1b as potential confounding variables. These variables were the age of participants, their perception of adverse effect of medication, their level of education, and the use of pill organizer
97
5 Chapitre 5: Effectiveness and content analysis of interventions to enhance oral antidiabetic drug adherence in adults with type 2 diabetes: Systematic review and meta-analysis
5.1 Résumé
Objectifs: Estimer l’efficacité globale des interventions visant à améliorer l’adhésion au
TADO, et explorer si les techniques de changement de comportement (TCC) uniques aux
interventions offertes dans les groupes interventions modifient cette efficacité globale.
Méthodes: Nous avons identifié les études pertinentes jusqu’au 3 septembre 2013 dans
Medline, Embase, PsycInfo, Cochrane Library, CINAHL, Current Contents Connect et Web
of Science. Les études retenues ont été résumées qualitativement et celles ayant une qualité
jugée au moins moyenne ont été incluses dans la méta-analyse. Un modèle à effets
aléatoires a été utilisé pour combiner la taille d’effet des interventions (g d’Hedges) et
estimer l’ampleur de l’hétérogénéité (I² d’Higgins). L’influence spécifique des TCCs
offertes uniquement dans les groupes «interventions» a été explorée en faisant des analyses
de sous-groupes.
Résultats: La synthèse qualitative incluait 14 études dont 10 retenues pour la méta-analyse.
L’efficacité globale des interventions était de 0,21 [IC95%= (-0,05; 0,47); I2= 82 %]. Parmi
les huit TCCs uniques analysées, "Capacité de gestion des effets indésirables" (valeur-p=
0,003) et "formation de l’intention générale" (p-value=0.006) avaient un effet modifiant.
L’efficacité globale des interventions dans lesquelles "Capacité de gestion des effets
indésirables" étaient offertes uniquement dans les interventions était modérée [g= 0,64;
IC95%= (0,31; 0,96); I2= 56 %].
Conclusion: L’efficacité globale des interventions visant à améliorer l’adhésion au TADO
était de petite taille. Toutefois, aider le patient ou le clinicien à être proactif dans la gestion
des effets indésirables semblait particulièrement efficace pour améliorer l’adhésion au
98
TADO.
99
5.2 Abstract
Objectives: To estimate the pooled effect size of oral antidiabetic drug (OAD) adherence-
enhancing interventions, and to explore which of the behavior change techniques (BCTs)
that were applied in the intervention groups modified this pooled intervention effect size.
Methods: We searched relevant studies published until 3 September 2013 on Medline,
Embase, PsycInfo, the Cochrane Library, CINAHL, Current Contents Connect, and Web of
Science. Selected studies were qualitatively synthesized, and those of at least medium
quality were included in the meta-analysis. A random-effects model was used to pool
effectiveness (Hedges’s g) and to examine heterogeneity (Higgins I²). We also explored the
influence on the pooled effectiveness of unique intervention BCTs (those delivered to the
intervention but not control groups in a trial) by estimating their modifying effects.
Results: Fourteen studies were selected for the qualitative synthesis and 10 were included
in the meta-analysis. The pooled effectiveness of the interventions was 0.21 [95%
confidence interval, 95% CI= (-0.05; 0.47); I²= 82 %]. Among eight unique BCTs analyzed,
"Cope with side effects" (p-value= 0.003) and "general intention formation" (p-value=
0.006) had a modifying effect. The pooled effectiveness of the interventions in which "cope
with side effects" was applied was moderate [g= 0.64; 95% CI= (0.31; 0.96); I2=56 %).
Conclusions: Overall effectiveness of OAD adherence-enhancing interventions that have
been tested is small. However, helping patients to cope with side effects appear to be
particularly effective for the improving OAD adherence.
100
5.3 Introduction
In 2011, approximately 366 million people worldwide suffered from diabetes, and this
number could reach 552 million by 2030.219,220 In 2011, the global diabetes burden was
estimated to be at least US$465 billion, and this represented 11 % of adult health care costs
worldwide.220 A large proportion of this burden is attributed to type 2 diabetes which
accounts for more than 90% of all diabetes cases.221
To prevent microvascular (retinopathy, nephropathy, and neuropathy) and macrovascular
(cardiovascular and cerebrovascular diseases and leg amputations) diabetes complications,
patients with type 2 diabetes should achieve certain target blood glucose levels (typically,
glycated hemoglobin less than 7 %) through regular physical activity, a healthy diet, and
appropriate use of drug treatment.222 Oral antidiabetic drugs (OADs), when taken as
recommended, can substantially contribute to achieving glycemic control,223,224 which
thereby improves quality of life.223 Even though insulin can be used alone or in
combination with OADs, nearly 60% of individuals with type 2 diabetes use only OADs to
control their diabetes.225 Unfortunately, patient adherence to OAD treatment is often
poor,11,226 which contributes to suboptimal metabolic control,227,228 increased diabetes
complications and hospitalizations,202,229 and increased health care expenditures.204
Adherence to OAD treatment could be optimized by exposing patients to effective behavior
change interventions. Two systematic reviews230,231 have been previously conducted, but
these focused on only OAD adherence-enhancing interventions delivered by pharmacists
and did not assess the overall effectiveness of the interventions. In addition, recent
advances in the coding of published behavior change interventions have made it possible to
conduct more rigorous, standardized analyses of intervention components.178 Moreover,
there is growing evidence that not only intervention groups but also control groups in
adherence-enhancing interventions are exposed to effective behavioral support (e.g., as part
of usual care) that can vary between studies and impact intervention effects. Hence, we
performed a systematic review and a meta-analysis of the effectiveness of interventions
aimed at enhancing OAD adherence in adults with type 2 diabetes. The aim was to identify
101
the behavior change techniques (BCTs) delivered to both the intervention and the control
groups, estimate the pooled intervention effect size, and explore which of the BCTs that
were applied in the intervention groups (but not the control groups) modified this pooled
effect size.
5.4 Research design and methods
The present study was reported according to the guidelines of Preferred Reporting Items for
Systematic Reviews and Meta-Analyses (PRISMA).232,233
5.4.1 Eligibility criteria
We defined eligibility criteria based on PICOS (participants, intervention, comparator,
outcomes, study design).232 Types of participants: Adults with type 2 diabetes that used
OADs. Types of interventions: Interventions with at least one component aimed at
improving OAD adherence, regardless of the methods or techniques used. Comparator:
Individuals with type 2 diabetes who were exposed to usual care and/or to an intervention
of any sort. Outcomes: The main outcome was OAD adherence. We included original
studies in which OAD adherence was measured both before and after the intervention.
Study designs: We included randomized controlled trials, quasi-experimental studies and
controlled pre-/posttest studies.
5.4.2 Literature search
We conducted a literature search of studies using Medline (via PubMed), Embase,
PsycInfo, the Cochrane Library, CINAHL PLUS with Full Text, Current Contents Connect
(Social & Behavioral Sciences (SBS) (from 1998 to present), Clinical Medicine (CM)
(from 1998 to present), Engineering, Computing & Technology (ECT) (from 1998 to
present), and Web of Science. We searched databases from their start dates through
September 3, 2013 (see search strategies in Supplemental Table 5.1 of Chapter 5). Search
results were downloaded and imported directly into EndNote, version X4.234 No language
restriction was applied. An information scientist (FB) assisted us in developing an optimal
search strategy.
102
5.4.3 Study selection
Duplicates were removed, after which two coders (authors HTVZ and NP) screened the
titles, abstracts and full texts of the remaining articles. The coders also manually searched
the bibliographic reference lists of eligible articles and previous systematic reviews. If the
results of a study were reported in more than one publication, we retained only the
publication with the most complete results. We included publications on the same study
only if they focused on different populations.
5.4.4 Data extraction
A data collection form based on the data collection guide of the Cochrane Collaboration
was developed. Two coders independently extracted data from the selected studies.
Disagreements were resolved by consensus after discussion or, if necessary, by a third
author. To obtain missing information on the primary outcome or to clarify information,
corresponding authors were contacted by email. All corresponding authors of the selected
studies were also asked to send us their intervention protocols, manuals or any documents
that described the interventions offered to the control and intervention groups. Descriptions
of usual care/standard care components were not requested for multi-site studies because
this information was assumed to be unavailable to the study authors. If there was no reply
after two weeks, a reminder email was sent.
5.4.4.1 Study details
Authors HTVZ and NP extracted the following information: general information such as
first author’s names and year of publication; population and setting; methods; participants;
intervention groups; outcomes; results; and the main conclusions of the study authors.
5.4.4.2 Categorization of intervention components
HTVZ prepared the available documents and corresponding articles for coding by
concealing the names of the study authors, the journals of publication, the results, the
discussions and the conclusions. To identify the BCTs used in the selected studies, two
coders (authors LAV and LaG) independently categorized the components of the
103
interventions in both the intervention and control groups using the coding manual for BCTs
in adherence interventions (see the coding manual in the Supplemental Material of chapter
5), adapted to diabetes care with the support of the original author (author MdB).235,236
Disagreements in codification were resolved by consensus between the two coders.
5.4.4.3 Assessment of internal (risk of bias) and external validities
HTVZ and NP independently assessed the internal (risk of bias) and external validity of the
selected studies using a checklist based on the Methods for the development of NICE
public health guidance.237 The checklist has five sections, namely, population, allocation,
outcomes, analyses, and external and internal validity summary. The items are rated as
good, medium, low, not reported, or not applicable. The coders also rated overall study
quality by grading internal and external validities as good, medium, or low.
5.4.5 Data synthesis and analysis
All selected studies were described in detail with regard to each study and each OAD
adherence measure as well as intervention and control group characteristics.
Because there were between-study differences in the instruments used to measure OAD
adherence, we estimated the individual intervention effect sizes on OAD adherence using
Hedges’s g (bias-corrected standardized mean difference [SMD]) and a 95% confidence
interval (CI).238 When there was more than one type of OAD adherence measure, only the
one for which there were both pre- and post-intervention values or the one used in most of
the studies was included. When there was more than one post-intervention measure, we
considered the one that was nearest the end of the intervention.
When adherence was reported on a continuous scale, we directly computed Hedges’s g
based on sample sizes and adherence means of both intervention and control groups. In
order to be able to pool studies in which OAD adherence was reported as a binary variable
with those in which it was reported as a continuous variable, we made the following
transformation for OAD adherence binary variables. We calculated the odds ratio (OR),
converted it to Cohen’s d using the formula d= 31/2 ln(OR)/π,238,239 which was then
104
transformed into SMD (Hedges’s g)= [(1–3/(4N1 + 4N2 – 9))*d] with N1= intervention
group sample size and N2= control group sample size.238 Our review focused on a wide
variety of behavioral interventions aiming to enhance oral antidiabetic drug adherence.
Therefore, we anticipated there would be heterogeneity in the estimate of the pooled
intervention effect size. In order to take into account this potential heterogeneity, random-
effects model was used to estimate the pooled intervention effect size and its 95% CI.240
Pooled SMD values of < 0.2, ≥ 0.2 to <0.5, ≥ 0.5 to < 0.8, or ≥ 0.8 were considered very
small, small, medium and large, respectively.241
Potential heterogeneity was tested by Chi-squared test and quantified with the Higgins I2
statistic.242,243 We used a forest plot to analyze the pooled intervention effect size on OAD
adherence. We also performed multiple sensitivity analyses, namely, analyzing the
influence of individual studies on heterogeneity by removing each study one by one in the
estimation of the pooled SMD. Only studies with at least medium internal validity were
included in the meta-analysis.232
We analyzed the influence of BCTs on the pooled intervention effect size by comparing the
pooled intervention SMD containing a given BCT with the pooled SMD of those in which
that BCT was not applied. For these analyses, we considered only the BCTs that were
applied in intervention groups (i.e., not in control groups) in a given trial. Because, multiple
comparison tests were done, we used the Bonferroni method to correct the observed p-value
from the significance tests by multiplying this p-value by the number of tests.244
Subgroup analyses were conducted when possible, i.e. for subgroups of at least three
studies. We assessed the potential publication bias with funnel plot and nonparametric “trim
and fill” methods 245 using Macro PubBias SAS.246 Analyses were conducted using
RevMan (version 5.2) 247 and SAS (version 9.3) 248 software.
5.5 Results
5.5.1 Study selection and study characteristics
Out of 7,561 studies reviewed, a total of 14 were selected to be included in the qualitative
105
analysis. Agreement between reviewers was substantial249 for title and abstract screening
(kappa= 0.65) and for full-text selection (kappa= 0.72). The study selection process is
described in Figure 5.1.
Participants’ sociodemographic characteristics at baseline and at follow-up are summarized
in Table 5.1. The studies were published between 2004 and 2013 with five studies
published in 2012.250-254 The majority of studies were conducted in the United
States.179,180,250,252,253,255-258 All studies but one255 were randomized controlled trials, and
were conducted in diverse settings. Sample sizes ranged from 33 to 526 participants, except
for the study by Brennan et al., in which 29,247 individuals were included.255 Participants’
mean ages varied from 51.5 to 63.2 years. At baseline, hemoglobin A1c (HbA1c) mean
rates varied from 7.2% to 9.2%, and participants’ average OAD adherence levels were
suboptimal in six studies.180,250,254,256,257,259 Study follow-up periods ranged from three to 24
months (median= 6.5 months), and study retention rates ranged from 82.6% to 100%.
5.5.2 Assessment of internal (risk of bias) and external validities
The internal and external validities of the included studies are presented in Supplemental
Table 5.2 (see in Supplemental Material of chapter 5). Internal validity was good in four
studies,179,256,258,259 medium in seven studies,180,250-254,257 and low in three studies.255,260,261
Hence, 11 studies had a medium-high internal validity and were eligible for meta-analysis.
External validity was medium in four studies,179,250,251,253 and low in the other 10.180,252,254-
261
5.5.3 OAD adherence measure characteristics
The characteristics of OAD adherence measures are described in Supplemental Table 5.3
(see in Supplemental Material of chapter 5). OAD adherence was the primary outcome in
eight studies.180,250-254,257,259 It was self-reported in seven studies,179,251,254,256-259 and was
measured with medication event monitoring systems (MEMS) in five studies, 180,250,251,257,258 and with prescription claims data in three.179,252,253 Two instruments (MEMS
or prescription claims data plus self-report) were used in three studies.179,251,257
106
5.5.4 Intervention characteristics
The intervention characteristics are summarized in Table 5.2. Only one intervention 251 was
guided by theory, and this intervention used the theory of planned behavior.262 The
intervention implementation periods ranged from one day to 24 months. The planned
numbers of sessions with patients ranged from one to 72. Intervention delivery mode was
dual in seven studies,179,180,250,252,253,256,257 with phone calls being the most-used mode, 179,180,250,252,253,256 in addition to face-to-face meetings,180,250,252,253 group meetings,256 and
mail.179 An intervention guide or a manual was used by those who conducted the
intervention in seven studies.179,180,250,251,253,256,258 The authors report having assessed
intervention fidelity, i.e., how the interventionists complied with the intervention guide or
manual, in only two studies.253,258 The interventionists were trained and coached during
intervention implementation in seven studies.179,180,250,251,253,256,258 Interventions were
conducted by the researchers in four studies,180,250,254,257 and by nurses in three.251,252,259 In
the remaining four studies, nurses and patients (peer support),256 community health
workers,258 pharmacists,253 or health educators179 conducted the interventions.
5.5.5 Components of the interventions in the control and intervention groups
Table 5.2 presents the components of the interventions offered to the control and
intervention groups. Interventions offered to control groups, especially usual care, could not
be categorized in five out of the 11 studies,180,250-253 but all interventions (11 studies) in the
intervention groups were categorized. In total, 25 different BCTs were categorized in the
intervention and control groups, and 22 of these were applied in only the intervention
groups for a given trial. Eight out of these 22 BCTs were offered in three studies or more:
"provide general information";180,250-253 "plan coping responses";179,252,253,259 "self-report of
behavior";180,250,252 "reinforce motivational progress"; 180,251,252 "specific goal setting"; 179,251-253 "continuous professional support";252,253,258 "general intention formation";251,252,258;
and "cope with side effects".180,250,253 Not taking into account "usual care," the total
numbers of BCTs offered in intervention groups ranged from two to 11 (median= 7) and it
varied from zero to six (median= 2) in control groups.
107
5.5.6 Pooled intervention effect size on OAD adherence
Intervention effects on OAD adherence were both positive and statistically significant (P<
0.05) in six studies,179,180,250,253,257,259 null in four studies,251,252,256,258 and negative in one
study.254 A total of 10 studies were included in the meta-analysis because the intervention
effect size could not be calculated for one study.257 Adherence was either measured on a
dichotomous179,180,250,256,258 or continuous scale.251-254,259 When the reported adherence
measure was dichotomous, we used the categorization cut-off value as reported in the study
articles. In each of the 10 study articles there was only one behavioral intervention for
which it was possible to estimate the effect size on OAD adherence. We pooled the effect
sizes of these 10 behavioral interventions in our meta-analysis. Since the heterogeneity was
high (I2= 82 %; (p-value˂ 0.001), we only reported the results of random-effects model (see
Figure 5.2). The pooled intervention effect size was small [0.21, 95 % CI= (-0.05; 0.47), p-
value= 0.120].
5.5.7 Influence of BCTs on pooled intervention effect size
We examined whether the eight unique BCTs offered in at least three studies explained the
heterogeneity in intervention effect sizes (see Table 5.3). In total, eight comparison tests
were done for the analyses of the influence of BCTs on pooled intervention effect size. We
observed a statistically significant difference in pooled effect size between interventions
that did and did not apply "cope with side effects" and that did and did not apply "general
intention formation." Interventions in which "cope with side effects" was applied had a
pooled SMD of 0.64 (95 % CI= 0.31 – 0.96) versus 0.02 (95 % CI= -0.25 – 0.28) for those
that did not (the subgroup difference’s p-value= 0.003, p-value corrected using the
Bonferroni method was equal to 0.024). Interventions that applied "general intention
formation" had a pooled SMD of -0.15 (95 % CI= -0.34 – 0.04) and those that did not apply
it had a pooled SMD of 0.37 (95 % CI= 0.05 – 0.69) (the subgroup difference’s p-value=
0.006, p-value corrected using the Bonferroni method was equal to 0.048).
5.5.8 Sensitivity analyses and publication bias
The analysis of heterogeneity showed that excluding any of the 10 included studies did not
108
influence the heterogeneity’s value (which ranged from I2= 79 % to I2= 84 %, median= 83
%). The visual examination of the funnel plot indicated a fairly symmetrical distribution of
the studies’ pooled effect size. In addition, the nonparametric “trim and fill” method also
confirmed the absence of publication bias (see Supplemental Figure 5.1 in Supplemental
Material of Chapter 5).
5.6 Discussion
5.6.1 Principal findings
When taken as recommended, OADs can control type 2 diabetes, but many adults who
require these drugs do not adhere to their prescribed regimens. Understanding whether
adherence-enhancing interventions are effective and which components are involved can
inform future interventions and possibly clinical practice. Fourteen trials were included in
this systematic review, of which 10 with a medium-high internal validity were included in
the meta-analysis. The pooled effect estimate of behavior change interventions on
adherence was small with considerable heterogeneity. We explored the influence of eight
unique BCTs on the pooled intervention effect size and found that helping patients cope
with side effects and formulate desired treatment outcomes (i.e., intention formation)
significantly modified the pooled effect size.
5.6.2 Explanation of principal findings and relation with the literature
The small pooled effect size observed could be explained by a few factors. First, the
interventions added only a small number of BCTs to the usual care already provided to the
control groups.236 Second, psychosocial theory was used in only one of the interventions
included in our meta-analysis,251 but a literature review suggests that more effective use of
behavior change theory may increase intervention effects.183 Third, the level of OAD
adherence at baseline was already high in four out of the ten studies,251-253,258 which
decreased the opportunity to improve adherence with an intervention.181 Finally, the small
effect observed could be explained by poor intervention delivery.263
The intervention components offered to intervention and control groups varied in type and
109
number from one study to another. We found that interventions that introduced strategies
for patients to cope with side effects had a medium pooled effect size. “Cope with side
effects" reflected that the intervening physician or pharmacist had actively informed the
patients about the side effects and provided solutions for them (e.g., alternative
medications) or that the patient could quickly contact his physician or pharmacist between
visits in case of side effects.236 This finding is in line with the literature that suggests that
side effects are common and also one of the most important barriers to adherence to OAD
treatment.264,265 Hence, although it would appear to be obvious, one recommendation for
clinical practice would be to more routinely and systematically assess side effects and help
patients overcome them.
Our results suggest that the use of "general intention formation" in interventions might
slightly decrease OAD adherence. This result, however, must be interpreted with caution in
light of the exploratory nature of these analyses. Our explanation for this counterintuitive
finding is that in studies in which “general intention formation” was part of the
intervention, study participants had higher OAD adherence at baseline. Moreover, the BCT
“cope with side effects” was only applied in the studies that did not apply the BCT “general
intention formation”, those latter studies being the comparison group for the BCT “general
intention formation.” Therefore, our observation of a decrease in adherence when the BCT
“general intention formation” is applied might be due to the fact that this BCT was
indirectly compared to BCT “cope with side effects” this latter being effective at enhancing
OAD adherence.
5.6.3 Limitations and strengths
This study is one of the few in the field of medication adherence to code the components of
interventions and attempt to obtain appropriate descriptions of the support provided to
control groups as part of usual care. Two independent coders conducted all of the coding,
and we selected only quality studies for the meta-analyses. Moreover, all studies included
in our meta-analysis were RCTs. Therefore, one could expect some patient’s characteristics
that are likely to be associated with medication adherence (e.g., depression) would be
equally distributed in the intervention and control groups. The MPR was used to measure
110
adherence in two studies.179,253 Since the MPR can in theory be greater than 100%,
including studies using the MPR could have inflated to some extent the effect size in a
clinically non-relevant way. Although the authors of one study 179did not mention how they
handled cases of MPR greater than 100%, in the other study 253 the MPR was capped at
100%. Moreover, in our sensitivity analyses, excluding the effect size from those two
studies had no impact on the pooled intervention effect size estimate. Our review also has
some limitations. First, we classified SMDs as small, medium or large as suggested by
Cohen. When interpreting these SMDs, however, one should be aware that the clinical
significance of such effect size for patient health is unclear. Second, the small number of
studies included limited the possibility of exploring the influence of individual BCTs on
intervention effectiveness. This is a common issue in meta-analysis.199,266,267 Third, despite
our considerable efforts to obtain comprehensive descriptions of the adherence support
provided to the intervention and control groups from the study authors (because the articles
tended to lack the appropriate level of detail), these could not always be obtained. Hence,
more BCTs might have been applied in both arms than we were able to determine. This is a
common problem that illustrates the importance of improved intervention and control group
descriptions in behavior change intervention trials.268,269 In addition, in the analyses that
explored the influence of individual BCTs, the pooled effect sizes obtained from the
subgroup analyses may have been confounded by the unmeasured effects of other
intervention characteristics.270 Finally, the majority of the studies were conducted in the
United States, which limits the generalizability of the findings.
5.6.4 Implications for clinicians and policymakers
Our paper provides evidence-based information on the important components of adherence-
enhancing interventions in adults with type 2 diabetes. This knowledge is crucial for a wide
variety of health care professionals (physicians, pharmacists, nurses, and health educators),
patients, researchers and policy makers who are interested in enhancing OAD adherence.
Researchers could use the findings of this review to develop more efficient interventions to
enhance OAD adherence. About health care professionals, the findings of this review could
help them to identify effective adherence-enhancing interventions that could be
111
implemented in their practice. This paper could also inform policy-makers’ decisions
regarding the financing, the design, the implementation, and the evaluation of adherence-
enhancing intervention programs. The findings of this review might ultimately increase the
quality of care by allowing patients to receive a better support in the management of their
disease.
5.7 Conclusion
Behavior change interventions seem to have a small, favorable effect on adherence to OAD
treatment. Interventions that include helping people cope with their side effects seem to be
particularly effective in improving adherence to OAD treatment, and we recommend
including this in OAD adherence-enhancing interventions. Future studies with better-
designed and better-reported interventions are required to identify other behavior change
techniques that could benefit patients. Researchers should also make efforts to better
capture the content of usual care at the moment behavioral change interventions are offered.
5.8 Acknowledgments
We thank Frederic Bergeron, information scientist, for assistance in search strategies. We
thank American Journal Experts for editing the text. Source of financial support: This study
was funded by the Laval University Chair on Adherence to Treatments. This Chair is
supported by non-restricted grants from AstraZeneca Canada, Merck Canada, Sanofi
Canada, and Pfizer Canada and from the Prends soin de toi program (a Quebec provincial
program for the improvement of public health).
112
Figure 5.1: Flow chart of article selection in the systematic review and meta-analysis
Iden
tifi
cati
on
14,450 articles identified through database searching
2 additional articles after the update of database searching; 0 articles identified through other sources
Incl
ud
ed
6,698 articles excluded by title or
abstract
863 full-text articles assessed for eligibility
7,559 articles after duplicates removed + 2 additional articles after the update of database searching
7,561 articles screened by title or abstract
849 articles excluded for not completing eligibility criteria related to type of:
Participants (44)
Interventions (263)
Comparators (166)
Outcomes (359)
Study designs (15)
Full-text unavailable (2)
14 studies included in qualitative synthesis
10 studies included in quantitative
synthesis (Meta-analysis)
Eli
gib
ilit
y S
cree
nin
g
4 articles excluded:
low internal validity (3)
Insufficient information on intervention effect (1)
113
Table 5.1: Sample, participant characteristics and follow-up
Study 1. Authors 2. Year 3. Design
Sample
Participant characteristics at baseline
Participant follow-up
1. Sample size 2. Intervention – Control 3. Setting/Country
1. Mean age (SD) 2. Gender (N;% men) 3. Race: white; black; other
4. Low income 5. Diabetes duration
6. HbA1c rate mean (SD) 7. OAD adherence mean
1. Duration 2. Number at the end (I – C) 3. Retention rate (I – C)
1. Rothschild 258 2. 2013 3. RCT
1. 144 2. 73 – 71 3. Homes +medical center/ U.S.
1. 53.7 years (12.2) 2. 47; 32.6% 3. 0%; 0%; 100%
4. Yes 5. NR
6. 8.3% (2·0) 7. 37% non-adherents
1. 24 months 2. 119 (58 – 61) 3. 82.6% (7.5% – 85.9% )
1. Zolfaghari 254 2. 2012 3. RCT
1. 80 2. 39 - 41 3. Iranian Diabetes Association/ Iran
1. 52.4 years (NR) 2. 36; 46.8% 3. NR
4. Yes (majority) 5. 8.0 years
6. 9.2% (NR) 7. 75%; 0(low) – 100(high)
1. 6 months 2. 77 (38 – 39) 3. 96.3% (97.4% – 95.1%)
1. Odegard 253 2. 2012 3. RCT
1. 265 2. 120 – 145 3. Pharmacies/ U.S.
1. 62.8 years (NR) 2. 127; 48.1% 3. NR
4. NR 5. NR
6. Not assessed 7. 85%; 0(low) – 100 (high)
1. 12 months 2. 255 (118 – 137) 3. 96.2% (98.3% – 94.5%)
1. Lin 252 † 2. 2012 3. RCT
1. 214 2. 106 – 108 3. Primary care clinics/ U.S.
1. 56.8 years (11.3) 2. 86; 47.6% 3. NR
4. NR 5. NR
6. 8.0 (NR) 7. 83%; 0(low) – 100(high)
1. 12 months 2. 181 (91 – 90) 3. 84.6% (85.8% – 83.3%)
1. Farmer 251 2. 2012 3. RCT
1. 211 2. 126 - 85 3. General practices/ UK
1. 63.2 years (10.7) 2. 138; 65.4% 3. NR
4. NR 5. 6.8 years
6. 8.3% (1.2%) 7. 23.6; 5(low) – 25(high)
1. 5 months 2. 195 (114 - 81) 3. 92.4% (90.5% – 95.3%)
1. Brennan 255 * 2. 2012 3. NRCT
1. 29,247 2. 5,123 – 24,124 3. Pharmacies/ U.S.
1. 63.1 years (NR) 2. 16,586; 56.7% 3. NR
4. No 5. NR
6. Not assessed 7. Graph form
1. 18 months 2. NR 3. NR
1. Bogner 250 2. 2012 3. RCT
1. 182 2. 94 – 88 3. Primary care practices/ U.S.
1. 57.5 years (NR) 2. 58; 32.2% 3. 36.1%; 56.7%; 7.2%
4. NR 5. 11 years
6. 7.2% (NR) 7. 60% non-adherents
1. 3 months 2. 180 (92 – 88) 3. 98.9% (97.8% – 100%)
1. Walker 179 † 2. 2011 3. RCT
1. 526 2. 262 – 264 3. Worker union fund/ U.S.
1. 55.5 years 2. 173; 32.9% 3. 5.9%; 61.6%; 32.5%
4. Yes (majority) 5. 9.2 years
6. 8.6% (median) 7. Measured but NR
1. 12 months 2. 444 (228 – 216) 3. 84.4% (87.0% – 81.8%)
Continued on next page
114
Study 1. Authors 2. Year 3. Design
Sample
Participant characteristics at baseline
Participant follow-up
1. Sample size 2. Intervention – Control 3. Setting/Country
1. Mean age (SD) 2. Gender (N;% men) 3. Race: white; black; other
4. Low income 5. Diabetes duration
6. HbA1c rate mean (SD) 7. OAD adherence mean
1. Duration 2. Number at the end (I – C) 3. Retention rate (I – C)
1. Mehuys 260 * 2. 2011 3. RCT
1. 66 pharmacies (288 patients) 2. 35 (153) – 31 (135) 3. Pharmacies/ Belgium
1. 62.7 years (NR) 2. 151; 52.3% 3. NR
4. NR 5. NR
6. 7.5% (NR) 7. 38.1% (non-adherents, at least 1 time/ year)
1. 6 months 2. 280 (148 – 132) 3. 97.2% (96.7% – 97.8%)
1. Nesari 259 2. 2010 3. RCT
1. 61 2. 30 – 31 3. Iranian Diabetes Association/ Iran
1. 51.5 years 2. 17; 28.3% 3. NR
4. Yes (majority) 5. ≥2 years (81.7%)
6. 8.9% (NR) 7. 61%; 0(low)–100(high)
1. 12 months 2. 60 (30 – 30) 3. 98.4% (100% – 96.8%)
1. Heisler 256 2. 2010 3. RCT
1. 244 2. 125 – 119 3. Veterans clinics/U.S.
1. 62.0 years (6.3) 2. 244; 100% 3. 82%; 9%; 9%
4. Yes (majority) 5. NR
6. 8·0% (1·4) 7. 69% non-adherents
1. 6 months 2. 231 (117 – 114) 3. 94.7% (93.6% – 95.8%)
1. Bogner 180 2. 2010 3. RCT
1. 58 2. 29 – 29 3. Primary care practice/ U.S.
1. 60.0 years (NR) 2. 9; 15.5% 3. 0%; 100%; 0%
4. NR 5. NR
6. 7.3% 7. 66% non-adherents
1. 3 months 2. 58 (29 – 29) 3. 100% (100% – 100%)
1. Phumipamorn 261 * 2. 2008 3. RCT
1. 135 2. 67 – 68 3. Community hospital/ Thailand
1. 54.1% (NR) 2. 21; 16.2% 3. NR
4. NR 5. 6.4 years (NR)
6. 8.7% (1.5) 7. 85%; 0(low)–100(high)
1. 6 months 2. 130 (63 – 67) 3. 96.3% (94.0% – 98.5%)
1. Rosen 257 2. 2004 3. RCT
1. 33 2. 16 – 17 3. Primary care clinic/ U.S.
1. 62.9 years (NR) 2. NR 3. 72.7%; 27.3%; 0%
4. NR 5. NR
6. 7.5% (NR) 7. 60%; 0(low)–100(high)
1. 7 months 2. 33 (16 – 17) 3. 100% (100% – 100%)
*Studies were excluded from the other tables because their methodological quality was low. †In the study by Walker et al., there were 385 analyzed participants who did not use insulin. In the study by Lin et al., there were 124 analyzed participants who used oral antidiabetic medication, 66 in the intervention group and 58 in the control group. OAD= oral antidiabetic; SMS= short message service; NR= not reported, RCT= randomized controlled trial; NRCT= non-randomized controlled trial; U.S.= United States; UK= United Kingdom
115
Table 5.2: Characteristics and components of interventions in the 10 studies retained of meta-analysis
Study 1. Authors 2. Year 3. RCT
Intervention characteristics Components of interventions Interventionist
1. Psychosocial theory 2. Intervention period 3. Number of sessions
4. Delivery mode used 5. Guide used 6. Intervention fidelity
1. Intervention group 2. Control group 1. Profile 2. Training 3. Coaching
1. Rothschild258 2. 2013 3. RCT
1. Not used 2. 24 months 3. 36
4. Face to face 5. Yes 6. Assessed
EMB; EMB 1. CHW 2. Yes 3. Yes
provide general information; provide general information; plan coping responses; plan coping responses; general intention formation†; use of social support; self-monitoring of behavior; self-monitoring of behavior; REB; REB use of social support; practice, guided practice†; feedback: delayed feedback of behavior†;
continuous professional support† 1. Zolfaghari254 2. 2012 3. RCT
1. Not used 2. 3 months 3. 72
4. SMS 5. No 6. Not assessed
provide general information; provide general information; 1. Researcher 2. No 3. No
plan coping responses risk communication‡; self-monitoring of behavior‡; self-report of behavior‡; plan coping responses
1. Odegard253 * 2. 2012 3. RCT
1. Not used 2. 12 months 3. 3.4
4. Face to face + phone calls 5. Yes 6. Assessed
plan coping responses†; EMB 1. Pharmacists 2. Yes 3. Yes
provide general information†; usual care (cannot be coded) specific goal setting†; continuous professional support†;
EMB; persuasive argument, belief selection†;
cope with side effects†
Continued on next page
116
Study 1. Authors 2. Year 3. RCT
Intervention characteristics Components of interventions Interventionist
1. Psychosocial theory 2. Intervention period 3. Number of sessions
4. Delivery mode used 5. Guide used 6. Intervention fidelity
1. Intervention group 2. Control group 1. Profile 2. Training 3. Coaching
1. Lin252 * 2. 2012 3. RCT
1. Not used 2. 12 months 3. 24 -36
4. Face to face + phone calls 5. No 6. Not assessed
specific goal setting†; Cannot be coded 1. Nurse 2. No 3. No
reinforcement on motivational progress†;
provide general information†; plan coping responses†; formulate goals for maintenance of behavior†;
relapse prevention†; continuous professional support†;
general intention formation†; reflective listening†; reevaluation of outcomes†; self-report of behavior†; individualize regimen†
1. Farmer251 * 2. 2012 3. RCT
1. Theory of planned behavior 2. 1 day 3. 1
4. In person 5. Yes 6. Not assessed
persuasive argument†; EMB; 1. Nurses 2. Yes 3. Yes
mobilize social norms†; self-report of behavior; plan coping responses; usual care (cannot be coded) reinforcement on motivational progress†;
provide general information†; specific goal setting†; use of cues†; EMB; self-report of behavior; general intention formation†
1. Bogner250 * 2. 2012 3. RCT
1. Not used 2. 3 months 3. 5
4. Face to face + phone calls 5. Yes 6. Not assessed
provide general information†; EMB; 1. Researchers 2. Yes 3. Yes
cope with side-effects†; usual care (cannot be coded) use of cues†; use of social support†; EMB; self-report of behavior†
Continued on next page
117
Study 1. Authors 2. Year 3. RCT
Intervention characteristics Components of interventions Interventionist
1. Psychosocial theory 2. Intervention period 3. Number of sessions
4. Delivery mode used 5. Guide used 6. Intervention fidelity
1. Intervention group 2. Control group 1. Profile 2. Training 3. Coaching
1. Walker179 2. 2011 3. RCT
1. Not used 2. 12 months 3. 10
4. Phone calls + mail 5. Yes 6. Not assessed
provide general information; provide general information; 1. Health educators 2. Yes 3. Yes
plan coping responses†; self-report of behavior specific goal setting†; self-report of behavior
1. Nesari259 2. 2010 3. RCT
1. Not used 2. 3 months 3. 16
4. Phone calls 5. No 6. Not assessed
provide general information; provide general information; 1. Nurses 2. NR 3. NR
provide opportunities for social comparison;
provide opportunities for social comparison
individualized regimen†;
plan coping responses†
1. Heisler256 2. 2010 3. RCT
1. Not used 2. 6 months 3. At least once per week
4. Phone calls + in-group 5. Yes 6. Not assessed
provide opportunities for social comparison†;
provide general information‡; 1. Nurses + patients 2. Yes 3. Yes use of social support†; reevaluation of outcomes;
general intention formation; reflective listening; specific goal setting; plan coping responses; reevaluation of outcomes; specific goal setting; reflective listening; general intention formation plan coping responses
1. Bogner180 * 2. 2010 3. RCT
1. Not used 2. 1 month 3. 5
4. Face to face + phone calls 5. Yes 6. Not assessed
provide general information†; EMB; 1. Researchers 2. Yes 3. Yes
reinforcement on motivational progress†;
usual care (cannot be coded)
cope with side effects†; self-report of behavior†; EMB
* Intervention or usual care in control group could not be coded. † Behavior change techniques applied in intervention groups but not in the controls ‡ Behavior change techniques applied in control groups but not in the intervention groups OAD= oral antidiabetic; SMS= short message service; NR= not reported, NA= not applicable; RCT= randomized controlled trial; EMB= electronic monitoring of behavior; REB = reduce environmental barriers; CHW= community health workers
118
Figure 5.2: Forest plot of pooled effect size estimates for the 10 studies included in the meta-analysis
119
Table 5.3: Influence of behavior change techniques on pooled intervention effect size
Behavior change techniques N
Random-effects model
Hedges’s g 95% CI p-value I2
Provide general information
Applied 5 0.34 -0.06 – 0.74 0.100 86% Not applied 5 0.08 -0.29 – 0.45 0.680 80% Test for subgroup differences: 0.350 ----
Self-report of behavior
Applied 3 0.54 -0.06 – 1.14 0.080 84% Not applied 7 0.08 -0.20 – 0.37 0.660 81% Test for subgroup differences: 0.170 ----
Reinforcement on motivational progress
Applied 3 0.15 -0.36 – 0.66 0.560 81% Not applied 7 0.23 -0.08 – 0.55 0.140 83% Test for subgroup differences: 0.780 ----
Plan coping responses
Applied 5 0.24 -0.07 – 0.55 0.120 79% Not applied 5 0.17 -0.33 – 0.68 0.500 87% Test for subgroup differences: 0.820 ----
General intention formation*
Applied 3 -0.15 -0.34 – 0.04 0.120 0% Not applied 7 0.37 0.05 – 0.69 0.020 82% Test for subgroup differences: 0.006 ----
Specific goal setting
Applied 4 0.15 -0.16 – 0.46 0.350 79% Not applied 6 0.27 -0.19 – 0.74 0.250 86% Test for subgroup differences: 0.660 ----
Continuous professional support
Applied 3 0.09 -0.28 – 0.46 0.630 73% Not applied 7 0.28 -0.10 – 0.65 0.150 86% Test for subgroup differences: 0.490 ----
Cope with side-effects*
Applied 3 0.64 0.31 – 0.96 0.000 56% Not applied 7 0.02 -0.25 – 0.28 0.900 75% Test for subgroup differences: 0.003 ----
N= number of studies; Hedges’s g= Std. Mean Difference; I2= indicator of heterogeneity *Behavior change technique significantly influencing the pooled intervention effect size
120
6 Chapitre 6: Effectiveness of motivational interviewing interventions on medication adherence in adults with chronic diseases: a systematic review and meta-analysis
6.1 Résumé
Objectives: Évaluer si les interventions «entretiens motivationnels» (EM) sont globalement
efficaces pour améliorer l’adhésion au traitement médicamenteux chez les adultes atteints
de maladies chroniques, et explorer l’effet des caractéristiques individuelles des
interventions EM.
Méthodes: Nous avons consulté des bases de données électroniques et la liste des
références des études pertinentes pour identifier des essais contrôlés à répartition aléatoire
(ECRs) dans lesquels l’efficacité d’une intervention EM visant à améliorer l’adhésion au
traitement médicamenteux avait été évaluée. Un modèle à effets aléatoires a été utilisé pour
estimer l’efficacité globale des interventions EM (g d’Hedges), son intervalle de confiance
(IC95%) et l’hétérogénéité (I2 d’Higgins). Nous avons exploré les effets des caractéristiques
individuelles des interventions EM en faisant une méta-régression linéaire mixte.
Résultats: Dix-neuf ECRs identifiés dont 16 ont été inclus dans la méta-analyse.
L’efficacité globale des interventions EM était de 0,12 [IC95%= (0,05; 0,20), I2= 1%]. Les
interventions dans lesquelles l’EM était la seule composante offerte [ẞ= 0,183, IC95%=
(0,004; 0,362)] ou celles dans lesquelles les intervenants ont été évalués avec rétroaction
lors des interventions [ẞ= 0,465, IC95%= (0,028; 0,902)] étaient les plus efficaces. Les
interventions EM offertes en face-à-face étaient plus efficaces que celles offertes par
téléphone [ẞ= 0,270, IC95%= (0,041; 0,498)].
Conclusion: Cette synthèse d’ECRs suggère que les interventions EM sont efficaces pour
améliorer l’adhésion au traitement médicamenteux chez les adultes atteints de maladies
chroniques. Par conséquent, nos résultats pourraient être utiles aux cliniciens et/ou
chercheurs intéressés à améliorer l’adhésion au traitement médicamenteux chez les adultes
121
atteints de maladies chroniques.
122
6.2 Abstract
Objectives: To assess whether motivational interviewing (MI) interventions are effective
to enhance medication adherence in adults with chronic diseases and to explore the effect
of individual MI intervention characteristics.
Method: We searched electronic databases and reference lists of relevant articles to find
RCTs that assessed MI intervention effectiveness on medication adherence in adults with
chronic diseases. A random-effects model was used to estimate a pooled MI intervention
effect size (Hedges’s g), its confidence interval (95% CI) and its heterogeneity (Higgins’s
I2). We also explored the effects of individual MI characteristics on MI intervention effect
size using a meta-regression with linear mixed model.
Results: Nineteen RCTs were identified, and 16 were included in the meta-analysis. The
pooled MI intervention effect size was 0.12 [95% CI= (0.05, 0.20), I2= 1%]. Interventions
that were based on MI only [ẞ= 0.183, 95% CI= (0.004, 0.362)] or those in which
interventionists were coached during intervention implementation [ẞ= 0.465, 95% CI=
(0.028, 0.902)] were the most effective. MI interventions that were delivered solely face-
to-face were more effective than those that were delivered solely by phone [ẞ= 0.270,
95% CI= (0.041, 0.498)].
Conclusion: This synthesis of RCTs reports that MI interventions are effective at
enhancing medication adherence across a wide range of chronic diseases. Therefore, our
results could be useful to clinicians and/or researchers interested to enhance medication
adherence in patients with chronic diseases.
123
6.3 Introduction
Many chronic diseases can be effectively treated with long-term courses of medication.
However, to fully benefit from treatment, patients must adhere to recommended regimens
by taking a given treatment for the entirety of the duration and manner in which it was
prescribed and by consuming the correct dose at the correct time. Suboptimal adherence
to drug treatments in patients with chronic diseases is a well-established public health
problem.14,89 Suboptimal medication adherence has negative consequences.203,271-273 For
example, it has been shown that in patients with diabetes and hypercholesterolemia, low
levels of medication adherence (i.e., less than 80% of days covered by medication) are
associated with higher disease-related healthcare costs and higher risks of
hospitalisation.203
In this context, there is a need for interventions that aim to support patients who are
prescribed long-term courses of medication. Of the available interventional approaches,
motivational interviewing (MI) appears to be a promising option because it has been
shown to be effective in supporting individuals at reaching their objectives, including
adopting and maintaining health behaviours such as the cessation of smoking,189-193 the
smoking abstinence,189 the substance abuse reduction,189,190 or the alcohol consumption
reduction.189 MI interventions have also been shown to be effective at improving several
clinical outcomes, such as weight loss,195,274 and lowering blood pressure, total
cholesterol and blood alcohol levels.195
MI was proposed in 1995 by Rollnick and Miller to support patients with drug
addiction.185 MI is defined as “a collaborative conversation between a practitioner and a
patient that aims to strengthen the patient’s motivation and commitment to change”.187
MI is characterised by four fundamental processes that occur in a sequential and
recursive order:1) Engaging, which is the establishment of an interpersonal relationship
between an interventionist and a patient (the person receiving the intervention) based on
mutual trust and respect; 2) Focusing, which involves a collaboration between the
interventionist and the patient to identify goals that will be pursued and that will guide
124
the sessions; 3) Evoking, which is related to the exploration of the patient’s own
motivations for change; and 4) Planning, which is developing a plan of action when the
patient is ready to engage in change.187 Throughout all of these processes, the
interventionist employs varying communication techniques in a collaborative style, such
as posing open-ended questions, affirming, reflective listening, and detailing summaries
of the information shared by the patient.187 Additionally, to optimise the effectiveness of
MI on inducing behavioural changes, interventionists should employ MI strategies such
as establishing a partnership with the patient, exploring pros and cons about a given
health behaviour, elucidating barriers regarding health behaviour and resolving them with
the patient’s collaboration, and building motivation and confidence to change.187 In
practice, various characteristics of MI interventions may differ from one intervention to
another. For example, interventionists might have different professional backgrounds
(e.g., psychologist, nurse, pharmacist, health educator), interventions might be delivered
via different modes of communication (e.g., face-to-face, phone, internet, written
documentation, in group) and numbers of intervention sessions might vary.
In the MI literature that was included, there was a lack of information about the influence
of MI characteristics (e.g., the MI delivery mode, the duration of an MI session, the
number of MI sessions, the MI training of interventionists, and the profession of
interventionists) on MI effectiveness at enhancing medication adherence. Additionally,
these characteristics are useful to the execution of MI. We therefore conducted a
systematic review and a meta-analysis to estimate the pooled effect size of MI
interventions aiming to enhance medication adherence in adults with chronic diseases and
to explore the specific effects of different MI intervention characteristics on the pooled
effect size.
6.4 Methods
This work (protocol not registered) is reported according to the guidelines of the
Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA).232,275
125
6.4.1 Eligibility criteria
The eligibility criteria were defined using a PICOS approach (Population or participants,
Intervention, Comparator, Outcomes, and Study design).232 Population or participants:
Studies were included that focused on adults with chronic diseases, which were defined
as “diseases of long duration and generally slow progression”.276 Participants were either
current or new users of medications prescribed to treat chronic disease, and they self-
managed their medication treatment. Intervention: The intervention had to include an MI
intervention either alone or in combination with other approaches. The study authors had
to explicitly describe MI in reference to the work of its developers, Miller and Rollnick.
Comparator: Comparator groups had to include individuals who were not receiving MI.
Outcomes: Medication adherence had to be explicitly stated as the primary or secondary
outcome of the MI intervention. It had to be measured, with any type of instrument, at
least once before and once after the intervention. In cases in which only new users of a
medication were included, adherence had to be measured only after the intervention.
When more than one method of measuring medication adherence was reported, only one
was used in our review. First, if psychometric properties of the measures were reported in
the original articles, we chose the measure having the best psychometric quality. Second,
if we could not distinguish among measures using this first criterion, we chose the
measure that was reported in the largest number of studies that were included in our
review. Finally, if the number of participants changed between pre- and post-intervention,
we retained the MI effect that emerged from the final multivariable model. Study design:
Randomised controlled trials (RCTs).
6.4.2 Literature search
An electronic search of published studies was conducted through December 2012 using
Medline (via PubMed), Embase, PsycInfo, the Cochrane Library, CINAHL, Current
Contents Connect and Web of Science. No language restriction was applied. A search
strategy (see Supplemental Table 6.1 of Chapter 6) was developed for PubMed after
consultation with an information scientist, and it was adapted to other databases. Search
results were downloaded and imported directly into EndNote, version X4.234
126
6.4.3 Studies selection
Two authors (HTVZ, AML) used a 5-step process to select relevant articles. First, exact
duplicate articles were removed using Endnote. Following this, they independently
screened titles and abstracts. Then, they read the full texts of the articles retained by title
and abstract to do the final selection of relevant articles. To avoid taking into account the
same data from multiple articles, they juxtaposed author names, sample sizes and
outcomes. If the results of a study were reported in more than one article, only the article
with results based on the most complete medication adherence data were retained. Fifth,
to identify other relevant articles, the bibliographic reference lists of the selected articles
and of pertinent previous literature reviews were manually searched, and articles posted
on the following websites were consulted: Association francophone de diffusion de
l’entretien motivationnel (AFDEM), Motivational Interviewing, Motivational
Interviewing Network of Trainers (MINT) and PsyMontreal (see links of these sites and
dates of consultation in Supplemental Table 6.1 of Chapter 6). Disagreements between
HTVZ and AML were resolved by a third author (JM). Using kappa statistics, we
assessed inter-reviewer agreement for title and abstract selection and for full text
selection.
6.4.4 Data extraction
HTVZ and AML independently extracted the relevant information from the selected
studies using three tables that are elaborated in the Cochrane Collaboration’s data
collection guide (intervention review, RCTs only).277 In Table 6.1, the characteristics of
the included studies and participants (first author’s name, year of article publication,
country of population, design of study, pilot study or not), samples (setting, type of
population, new users only or not, total size of sample, size of intervention group, size of
control group, participation rate in each studied group), socio-demographic
characteristics of the participants (mean age, sex, race/ethnicity, and socio-economic
level), diseases affecting the participants (name, type, mean duration of time since
diagnosis, name of studied medication, and pharmaceutical form of studied medication),
and follow-up of participants (follow-up strategies, duration, number of participants at
127
the end of the follow-up, and retention rate in each studied group) are detailed. Table 6.2
describes characteristics of the interventions (MI objectives, use of a written standardised
guide, delivery mode of MI, type of intervention offered to control group, type of
intervention offered to intervention group, MI intervention session content regarding
medication adherence, number of planned MI sessions, number of offered MI sessions,
mean duration of MI sessions, intervention duration, and assessment of the fidelity of MI
delivery or not) and of the interventionists (profession, MI training, MI training duration,
and coaching during intervention). Supplemental Table 6.2 of Chapter 6 presents
characteristics of adherence measures (source of medication adherence data, instrument
name, reference period, scale, score definition and validity assessment or not), statistical
analyses (intention to treat or not, statistical test, regression model, missing data
considered or not, number of participants in the final analysis, and sufficient statistical
power or not), and results on medication adherence (pre-intervention measure, post-
intervention measure, and MI intervention effect size with 95% CI and p-value). We
contacted corresponding authors to obtain unpublished data on intervention effectiveness.
JM reviewed all of the extracted data against the articles. Any disagreements between
HTVZ, AML and JM were resolved by consensus.
6.4.5 Assessment of the risk of bias
HTVZ and AML independently evaluated the risk of bias in selected studies using a tool
that was adapted from a Cochrane Collaborative tool for assessing risk of bias in
randomised trials.278
This bias risk assessment included six criteria (see Supplemental Table 6.3 of Chapter 6):
random sequence generation (selection bias); allocation concealment (selection bias);
blinding of participants, personnel and outcome assessment (information bias);
incomplete outcome data (attrition bias); selective outcome reporting (reporting bias);
and other bias (e.g., confounding bias). Each criterion was rated as having either a low
risk of bias (score = 1), as being unclear (insufficient information for judgement) (score =
0.5) or as having a high risk of bias (score = 0). Quality scores ranged from 0 to 6: higher
128
scores indicated higher quality. Disagreements between HTVZ and AML were resolved
by consensus after discussion or by JM when necessary.
The information that was collected and the criteria that were applied to assess the risk of
bias are described in the attached glossary (see Supplemental Table 6.4 of Chapter 6).
6.4.6 Data synthesis
All of the trials that included sufficient quantitative data to enable the estimation of MI
intervention effect size on medication adherence were included in the meta-analysis. To
assess the effect size, we used Hedges’s g, which is a standardised mean difference
(SMD), adjusted for small sample size.238 We directly calculated this value in cases in
which medication adherence was reported as a continuous variable. To combine studies in
which medication adherence was reported as a continuous variable with those in which it
was reported as a binary variable, we performed the following transformations for
medication adherence binary variables. We calculated an odds ratio (OR) and converted it
into a Cohen’s d using Chinn’s formula: d = 31/2 ln(OR)/π.238,279 Following this, we
transformed it into an SMD (Hedges’s g) = [(1–3/(4N1 + 4N2 – 9))*d] with N1
representing intervention sample size and N2 representing control sample size.238 Because
our review included studies on different types of chronic diseases, we anticipated that the
pooled effect size estimation would be affected by heterogeneity. Therefore, we estimated
the pooled effect size of MI and its confidence interval (95% CI) with a random-effects
model 240 using Review Manager (RevMan) software.247 This pooled effect size was
interpreted as either very small, small, medium, or high when its value was < 0.2, ≥ 0.2 to
< 0.5, ≥ 0.5 to < 0.8, or ≥ 0.8, respectively.241 The heterogeneity was tested by a chi-
squared test.242,243 We also quantified the Higgins I2 statistic, i.e., the percentage of the
variability in effect size estimates that is attributable to heterogeneity.242,243 Higgins’s I2
was interpreted to represent very low, low, moderate or high heterogeneity when it was <
25%, ≥ 25% to < 50%, ≥ 50% to < 75%, or ≥75%, respectively.243
We analysed the influence of each study on the heterogeneity of the pooled MI
intervention effect size by removing studies one at a time from the RevMan calculator.247
129
Other sources of heterogeneity were explored using subgroup analyses based on factors
such as whether the study was a pilot, the type of chronic disease that was evaluated
(communicable versus non-communicable chronic disease), and the type of medication
adherence measure that was employed (self-report versus others).
We performed select sensitivity analyses. First, we computed the pooled effect size of MI
by including only studies that had a quality score ≥ 3, then again with those that had a
quality score ≥ 4 and finally again those that had a quality score ≥ 5. As we included
studies that examined populations of only new users, we also computed the pooled effect
size of MI after removing such studies. The rationale for this decision was because
treatment adherence in new users is likely to be different than in current users. Potential
publication bias was studied by funnel plot and by a non-parametric ‘trim and fill’
method245 using Macro PubBias SAS.246
Finally, we explored the specific effect of MI intervention characteristics on the effect
size using a linear mixed meta-regression model that is available in SAS software. 280 For
each MI intervention characteristic, the model was adjusted with the quality score of the
studies. The categories for several of the examined characteristics were defined a priori:
use of a guide (yes or no), number of planned MI sessions (continuous variable), mean
duration of MI sessions (continuous variable), type of intervention offered to intervention
groups (MI only versus MI plus other interventions), type of intervention offered to
control groups [usual care only versus usual care with other interventions (not MI) or
other interventions (not MI)], coaching of interventionists (i.e., whether an MI expert or
MI trainer monitored MI fidelity and provided corrective feedback to the interventionist
during the implementation of the MI intervention) (yes versus no), and MI training of
interventionists (yes versus no). The categories of other characteristics that were studied
were defined a posteriori: delivery mode of MI (face-to-face only versus phone calls
only), intervention duration in months (≤ 1.5, >1.5 to < 6, ≥ 6 = reference), and
interventionist profession (nurses versus other health professionals).
130
6.5 Results
6.5.1 Study selection, studies and participants’ characteristics
Out of 2143 studies that were screened, 19 studies that included a total of 4221
participants were selected281-299 With respect to agreement between reviewers, the Kappa
statistics were 0.71 and 0.81 for title and abstract screening and for full-text selection,
respectively. The study selection process is described in Figure 6.1.
The characteristics of the studies and their participants are summarised in Table 6.1. Out
of the 19 included studies, nine were pilot studies.281,282,285,286,288,290,294,298,299 All of the
included studies were published between 2001 and 2012. The mean age of the
participants varied from 29.9 to 78.0 years (median= 42.7 years). Participants with non-
communicable chronic diseases were included in nine of the studies,281-283,288-291,294,296
whereas patients with communicable chronic diseases were included in 10 of the
studies.284-287,292,293,295,297-299 Participants were new-users of medication in three of the
studies.283,285,292
6.5.2 Assessment of the risk of bias
The quality scores varied from 2.5 to 6 (mean score= 4.6; SD= 0.86). The risk of bias was
low in 18 studies when the criterion random sequence generation was applied, in 11
studies for the allocation concealment, in five studies for the blinding (of participants,
personal and outcome assessors), in 17 studies for the incomplete outcome data, in 16
studies for the selective outcome reporting, and in 11 studies for other sources of bias
(Supplemental Table 6.3 of Chapter 6).
6.5.3 Pooled MI intervention effect size on medication adherence
Details on medication adherence are described in Supplemental Table 6.2 of Chapter 6.
Medication adherence was self-reported in 14 studies,281,282,284-286,288-290,293,294,296-299 and
was derived from Medication Event Monitoring Systems (MEMS) in three
studies,287,291,292 pharmacy claims data in one study,283 and multiple sources (composite
adherence score derived from pill counts, self-report and MEMS) in one study.295 It was
131
possible to compute the effect size of MI interventions in 17 of the studies.281-292,294,295,297-
299 One of these studies was a 3-arm study (MI, education, and usual care).284 Because MI
intervention was compared to usual care in the majority of the included studies (11/16),
we decided a posteriori to compute the MI effect size for this study using medication
adherence data of MI and usual care groups. We did not have sufficient data on
medication adherence to estimate the MI intervention effect size for two of the
studies.293,296 Therefore, 17 studies were included in our meta-analysis.
The MI intervention effect size on medication adherence was both positive and
statistically significant in four of the studies,284,287,291,292 whereas it was positive and not
statistically significant in 10 of the studies.282,283,286,288,289,294,295,297-299 The MI intervention
effect size was negative but not statistically significant in three of the studies.281,285,290
The pooled effect size of MI interventions that was measured using 17 of the studies was
0.23 [95% CI= (0.08, 0.37), p-value= 0.003] (Figure 6.2A).
6.5.4 Heterogeneity exploration
When studies were removed from the analysis one by one, we found that the study by
Maneesriwongul et al.284 was responsible for the majority of the heterogeneity that was
observed (Figure 6.2B). Indeed, when this study’s effect size was removed from the
calculations, Higgins’s I2 decreased from 59% to 1%, and the magnitude of the pooled
MI intervention effect size decreased from 0.23 to 0.12 [95% CI= (0.05, 0.20)]. The MI
intervention effect size was not significantly different when pilot studies were compared
to non-pilot ones (p-value= 0.090), when communicable chronic disease studies were
compared to non-communicable chronic disease studies (p-value= 0.150), or when
studies in which medication adherence measures were self-reported were compared to
others (p-value= 0.860).
As the effect size of the study by Maneesriwongul et al.284 was the main source of the
observed heterogeneity, we excluded it from the subsequent analyses to avoid pitfall
effects, particularly with respect to subgroup analyses. Therefore, the subsequent
analyses were performed using the remaining studies (N= 16).
132
6.5.5 Sensitivity analyses and publication bias on the pooled effect size estimate
In total, 16 studies were included in the sensitivity analyses. When we included only
studies with total quality scores ≥ 3 (N= 15) or ≥ 4 (N= 14) or ≥ 5 (N= 9), the pooled MI
intervention effect sizes were 0.14 (95% CI= 0.06, 0.23), 0.15 (95% CI= 0.06, 0.24) and
0.19 (95% CI= 0.08, 0.29), respectively. When we removed the three studies in which
participants included new users of medication only, the pooled MI intervention effect size
was 0.20 (95% CI= 0.08, 0.32).
The visual inspection of the funnel plot showed a fairly symmetrical distribution of MI
intervention effect sizes (see Supplemental Figure 6.1 of Chapter 6). In addition, the
nonparametric Trim and Fill method confirmed that there was no publication bias (see
Supplemental Table 6.5 of Chapter 6).
6.5.6 Individual MI intervention characteristic effects on the MI intervention effect size
MI intervention characteristics are described in Table 6.2, and their individual effects on
the MI intervention effect size are described in Table 6.3. We observed that both the
types of interventions that were offered to intervention groups (MI only versus MI plus
other interventions) and the coaching of interventionists during interventions (yes versus
no) had statistically significant positive effects on the MI intervention effect size (p-
values of 0.045 and 0.037, respectively). The delivery mode of MI was phone calls only
in three of the studies and face-to-face only in eight of the studies. Compared with
delivery by phone calls only, face-to-face only delivery had a statistically significant
positive effect (p-value= 0.025). Other MI delivery modes, such as one face-to-face to
delivery combined with four phone calls, two face-to-face deliveries combined with six
phone calls, group delivery, and computer-based delivery were reported in one study
only. Therefore, we were not able to analyse these MI delivery modes. MI intervention
characteristics such as the use of a guide, the number of planned MI sessions, the
intervention duration, the type of interventions offered to control groups and the
professions of the interventionists did not produce statistically significant effects.
133
We were not able to assess the effects of either interventionist training on MI or the mean
duration of MI sessions on medication adherence because of a lack of variation between
studies for these two variables. Interventionists had been trained on MI in 13 out of 16 of
the studies, whereas information on training was not provided in two of the studies.282,299
Additionally, the mean durations of MI sessions were reported in only three of the
studies.281,285,294
6.6 Discussion
6.6.1 Principal findings
Nineteen trials were included in our qualitative synthesis, of which 16 were included in
the meta-analysis. Two important findings emerge from the meta-analysis. First, the
pooled MI intervention effect size on medication adherence was very small. Second,
interventions that were based on MI only or those in which interventionists were coached
during intervention implementation appeared to be more effective than those that did not
have these characteristics. Moreover, MI interventions that were delivered face-to-face
only were more effective than those delivered by phone calls only.
6.6.2 Explanation of findings and relation with the literature
The very small pooled effect size that we observed could be due to a number of factors
taken together. First, MI intervention strategies may not have been implemented as
expected in several studies.187 For example, the strategy “explore pros and cons about
medication” was reported in only nine studies,281-283,287,288,291,292,294,295 whereas the
strategy “elicit barriers about medication adherence and resolve them with the patient’s
collaboration” in 11,281-283,286,290-292,294,295,297,299 and the strategy “build motivation and
confidence to change” was reported in seven.281,282,290-292,294,299 Second, we observed that
the pooled effect size increased with the quality score of the studies. However, the pooled
effect size remained very small with respect to variation of the study quality score. Third,
the pooled effect size [Hedges’s g= 0.19, 95% CI= (0.07, 0.30)], which was derived from
studies that were not pilot studies,281,282,285,286,288,290,294,298,299 was greater than what we
initially observed, although it remained very small. Fourth, we observed similar findings
134
when we removed the studies in which participants were new users of a given medication
from the pooled effect size estimation. Fifth, 11 out of the 16 studies that were included
in our meta-analysis reported that MI interventions aimed to improve medication
adherence only,281-283,285,288,289,291,292,295,298,299 whereas five of the studies reported that in
addition to aiming to improve medication adherence, the MI interventions also aimed to
improve other health-related behaviour(s).286,287,290,294,297 After removing these five
studies from the pooled effect size estimation, we observed a slight increase of the pooled
effect size [Hedges’s g= 0.15, 95% CI= (0.04, 0.26)], which remained very small.
Finally, for the pooled effect size estimation, we decided a posteriori to use the effect
size that was derived from the comparison between MI and usual care groups for the
study by Maneesriwongul et al. in which there were three arms (i.e., MI, educational
video, and usual care).284 We made this decision because in 11 out of the 16 included
studies the participants receiving usual care were used as the comparison group. To
assess the impact of our decision on the pooled effect size, we estimated using the effect
size derived from the comparison between MI and educational video groups. This
generated quite similar results [Hedges’s g= 0.13, 95% CI= (0.02, 0.25)]. When we took
into account each of the factors mentioned above, the magnitude of the pooled MI
intervention effect size was greater than what we initially observed. Therefore, we
assume that, taken together, the factors mentioned above could contribute to an
underestimation of the observed pooled MI intervention effect size.
Interventions based on MI only287,290-292,294,297 were more effective than those based on
MI plus other interventions.281-283,285,286,288,289,295,298,299 This result is difficult to explain
based on the available information. At best, we could propose three hypotheses. First, it is
possible that interventions were better planned and applied in studies that utilised MI
only. Second, several inconsistent strategies, such as confronting, directing or warming,
could have had deleterious effects when included in MI. Indeed, education or educational
materials were systematically provided to participants in eight out of 10 interventions in
which MI was added to other interventions.281-283,285,286,289,295,298 Participants did not
appear to have solicited this information according to their respective needs and therefore
we consider this as a form of directing. A previous review reported that inconsistent
135
behaviour of an interventionist during MI led to worse outcomes, such as increases in
alcohol or marijuana consumption.300 In their review, Apodaca et al. were interested in
the mechanisms of behavioural change following MI in individuals with substance abuse
problems.300 Third, the addition of alternative intervention strategies to MI occurred in 10
out of the 16 studies that were included in our meta-analysis.281-283,285,286,288,289,295,298,299
None of these alternative intervention strategies were based on psychosocial theories (see
Table 6.2) However, it has been previously suggested that combining MI with
interventions based on theoretical models, such as the transtheoretical model or self-
determination theory, can improve medication adherence.198,301,302 Further research is
needed to test these hypotheses.
Our results suggest that interventions in which interventionists were coached during the
implementation of MI 283,285-287,291,292,294,295,297,298 were more effective than those in which
interventionists were not coached.281,282,290 According to Miller et al., coaching consists
of monitoring an interventionist’s compliance with MI processes and providing corrective
feedback if needed.303 Such a process is likely to assure the quality of the MI intervention
throughout its entire duration. This is further reinforced by the results of a recent meta-
analysis in which it was reported that coaching sessions maintained an interventionist’s
skills in MI, whereas those who did not attend coaching sessions exhibited lower
performance.304
We observed that MI interventions that were delivered face-to-face
only286,289,291,292,294,295,297,299 were more effective than those delivered by phone calls
only.281-283 Two hypotheses could explain this result. First, the face-to-face mode requires
both the interventionist and the patient to be present in the same room. This could
facilitate engagement in the relationship between the interventionist and the patient,
which is one of the four fundamental processes that are essential to MI.187 In contrast,
when an interventionist employs phone calls only, the partnership can take longer to be
established. Therefore, we assume that the patients for whom the face-to-face mode was
used may have had a more trusting working relationship with their corresponding
interventionists, which is one of the keys of MI success. Second, we are of the opinion
that the duration of an MI session is another factor that could explain this result. Indeed,
136
it is easier to have longer sessions when face-to-face than by phone calls. Therefore, the
patients for whom the face-to-face mode was used may have undergone a longer
exposure to MI than those for whom phone calls were used. Indeed, the duration of an MI
session varied from 15 to 90 minutes when conducted face-to-face and from three to 23
minutes when conducted via phone calls. Further empirical studies are needed to better
assess the comparative effectiveness of face-to-face versus phone calls in implementing
MI.
6.6.3 Limitations and strengths
Our work has a few limitations. First, the description of interventions was suboptimal.
For example, the details of the results of MI fidelity assessment (e.g., the percentage of
open questions, and percentage of complex reflective listening statements) were not
reported in the included studies. This information could provide greater understanding
into the mechanism of enhancing medication adherence in MI interventions. Second, the
analyses of the effects of individual MI characteristics were based on multiple
comparisons and were exploratory. Therefore, the results on the effects of individual MI
characteristics must be interpreted with caution.
Conversely, our study also has strengths. First, to the best of our knowledge, it is the first
study that reports both the pooled effect size of MI interventions on medication
adherence and the effects of individual MI intervention characteristics in adults with
chronic diseases. Second, we succeeded in obtaining unpublished information on seven
of the studies from the study authors. This allowed us to include 17 out of the 19 relevant
studies that were initially identified in our meta-analysis. Third, we performed numerous
sensitivity analyses that allowed us to confirm the robustness of the pooled MI
intervention effect size. Finally, our review was based on RCTs that were of moderate
methodological quality. This reinforces the evidence of our results.
6.6.4 Implications for clinicians and policy makers
Our study provides moderate evidence that MI interventions improve medication
adherence in adults with chronic diseases. This knowledge could be useful for a wide
137
variety of health professionals (physicians, pharmacists, nurses and health educators),
caregivers, policymakers, patients, and researchers who are interested in enhancing
medication adherence. Health professionals and caregivers could integrate MI into their
practices to improve medication adherence among patients with chronic diseases. This
study could also lend support to policymakers’ decisions to encourage researchers to
study the cost-effectiveness of MI for enhancing medication adherence. Application of
the knowledge presented in this paper (i.e., providing better support for long-term
medication regimens) might ultimately contribute toward improving the health outcomes
(e.g., quality of life, occurrence of complications, mortality) of patients with chronic
diseases. Finally, researchers could apply MI as a main component in the development of
interventions that are more efficient at enhancing medication adherence.
6.7 Conclusion
This paper reports a synthesis of RCTs in which the effectiveness of MI interventions on
medication adherence was evaluated across a wide range of chronic diseases. Our results
suggest that MI interventions are effective at enhancing medication adherence in adults
with chronic diseases. Moreover, the delivery of MI interventions face-to-face and the
coaching of interventionists during the MI intervention are especially effective at
enhancing medication adherence. However, the effectiveness of MI intervention was still
quite limited. Therefore, future MI trials that are better designed and that provide more
detailed information on the mechanisms of behavioural changes following MI are needed
to better understand how MI enhances medication adherence in adults with chronic
diseases. This could help optimise the effectiveness of MI interventions. Additionally,
studying the cost-effectiveness of employing MI interventions might be a worthwhile
endeavour to pursue.
6.8 Acknowledgments
We thank Frederic Bergeron, information scientist, for assistance in search strategies. We
thank American Journal Experts for editing the text. Source of financial support: This
study was funded by the Laval University Chair on Adherence to Treatments. This Chair
138
is supported by non-restricted grants from AstraZeneca Canada, Merck Canada, Sanofi
Canada, and Pfizer Canada and from the Prends soin de toi program (a Quebec provincial
program for the improvement of public health).
139
Figure 6.1: Article selection process for the systematic review and meta-analysis
*Agreement between reviewers for the selection by title or abstract (kappa= 0.71). † Agreement between reviewers for the article selection by full-text (kappa= 0.81).
3,382 records identified through database searching
2 additional records identified through other sources
Incl
ud
ed
2,010 records excluded
105 full-texts assessed for eligibility
2,115 records after duplicates removed
2,115 records screened by title or abstract
86 articles excluded for the following reasons:
Population (5)
• Intervention (26)
• Comparator (14)
• Outcome (36)
• Study design (1)
• Language (2)
• No full text (2)
19 articles included in qualitative synthesis
17 articles included in a first quantitative synthesis
(Meta-analysis)
Eli
gib
ilit
y S
cree
nin
g Id
enti
fica
tion
2 articles did not have data for the calculation of effect size
140
Figure 6.2: Forest plots of pooled effect size of motivational interviewing interventions
A= Forest plot of pooled effect size of motivational interviewing interventions using all included studies (N= 17); B= Forest plot of pooled effect size of motivational interviewing interventions using all included studies except the study by Maneesriwongul et al. (N= 16); Std. Mean difference (SMD) = Hedges’s g
A
B
141
Table 6.1: Characteristics of studies and participants
Study 1. First author 2. Year 3. Country 4. Design/pilot
Sample 1. Setting 2. Population/ new-users† 3. Total size (I – C sizes) 4. Participation rate
Socio-demographic characteristics 1. Mean age (SD)/range in years 2. Sex: N; % men 3. Race/ethnicity (white; black; others) 4. Socio-economic level
Participants’ disease 1. Name 2. Type 3. Mean duration (SD)/range year 4. Medication name/ form
Participants’ follow-up 1. Strategies 2. Duration 3. Number at the end (I - C) 4. Retention rate (I - C)
1. Maneesriwongul* 2. 2012 3. Thailand 4. RCT/ No
1. Ambulatory care clinic 2. Outpatients/ no 3. 107 (34 – 36 – 37) 4. 84.9%
1. 40.5 (NR)/ 22 – 67 2. 64; 71.1% 3. 0%; 0%; 100% 4. NR
1. HIV/AIDS 2. CCD 3. NR 4. Antiretroviral medication/ oral
1. NR 2. 1 month 3. 90 (30 – 30 – 30) 4. 84.1% (88.2% - 83.3% - 81.1%)
1. Williams - a 2. 2012 3. Australia 4. RCT/ Yes
1. Hospitals/ Urban 2. Outpatients/ no 3. 80 (39 – 41) 4. 92.0%
1. 67.0 (9.6) / ≥ 18 2. 45; 56.3% 3. NR 4. NR
1. Diabetes, chronic kidney disease and systolic hypertension 2. NCD 3. NR 4. Long-term medications/ oral
1. NR 2. 12 months 3. 75 (36 – 39) 4. 93.8% (92.3% - 95.1%)
1. Konkle-Parker 2. 2012 3. U.S.A 4. RCT/ Yes
1. HIV clinic 2. Outpatients/ yes 3. 56 (33 – 23) 4. NR
1. 34.6 (8.4)/ NR 2. 35; 62.5% 3. 11%; 89%; 0% 4. Low
1. HIV 2. CCD 3. NA 4. Antiretroviral medication/ oral
1. Monetary incentives 2. 6 months 3. 36 (22 – 14) 4. 64.3% (66.7% - 60.9%)
1. Williams - b 2. 2012 3. Australia 4. RCT/ Yes
1. Hospitals/ Urban 2. Outpatients/ no 3. 78 (40 - 38) 4. 84.8%
1. 74.3 (8.4) / ≥ 18 2. 30; 62.5% 3. NR 4. NR
1. Chronic kidney disease, type 1 or 2 diabetes and CVD 2. NCD 3. Diabetes: 18.14 (10.28); chronic kidney disease: 8.22 (10.43) 4. NR/ NR
1. NR 2. 12 months 3. 29 (21 - 8) 4. 37.2% (52.5% - 21.1%)
1. Solomon 2. 2012 3. U.S.A 4. RCT/ No
1. Pharmacy benefits program 2. Outpatients/ yes 3. 2087 (1046 – 1041) 4. NR
1. 78 (NR)/ ≥ 65 2. 130, 6.2% 3. 88.7%; NR; NR 4. Low
1. Osteoporosis 2. NCD 3. NA 4. Osteoporosis medication/ oral, intravenous, intranasal, injectable
1. NR 2. 12 months 3. 1867 (842 - 1025) 4. 89.5% (80.5% - 98.5%)
Table 6.1 continued
142
Study 1. First author 2. Year 3. Country 4. Design/pilot
Sample 1. Setting 2. Population/ new-users† 3. Total size (I – C sizes) 4. Participation rate
Socio-demographic characteristics 1. Mean age (SD)/range in years 2. Sex: N; % men 3. Race/ethnicity (white; black; others) 4. Socio-economic level
Participants’ disease 1. Name 2. Type 3. Mean duration (SD)/range year 4. Medication name/ form
Participants’ follow-up 1. Strategies 2. Duration 3. Number at the end (I - C) 4. Retention rate (I - C)
1. Ingersoll 2. 2011 3. U.S.A. 4. RCT/ Yes
1. Community HIV care sites/ Urban area 2. Outpatients/ no 3. N= 54 (27 - 27) 4. 73.7%
1. 45 (6.4)/ NR 2. 25; 44.6% 3. 13.0%; 81.5%; 5.5% 4. Low (82% non-employed)
1. HIV + current crack cocaine use or crack cocaine use disorder 2. CCD 3. 11.3 (6.5)/ ≤ 22 4. Antiretroviral medication/ oral
1. Monetary incentives 2. 6 months 3. 42 (19 - 23) 4. 77.8% (70.4% - 85.2%)
1. Holstad 2. 2011 3. U.S.A 4. RCT/ No
1. 5 HIV clinics/ City 2. Outpatients/ no 3. N= 207 (104 - 103) 4. 90.4%
1. 43.5 (9.2)/ 18 – 68 2. 0; 0% 3. 3.4%; 93.1%; 3.4% 4. Low (majority)
1. HIV 2. CCD 3. 9.5 (6.2)/ NR 4. Antiretroviral medication/ oral
1. Monetary and non-monetary incentives 2. 9 months 3. 186 (91 – 95) 4. 89.9% (87.5% - 92.2%)
1. George 2. 2010 3. Australia 4. CRCT/ No
1. Community pharmacies 2. Outpatients/ no 3. 395 (207 – 188) 4. 86.4%
1. 67 (NR)/ ≥ 65 2. 202; 51.1% 3. NR 4. NR
1. Hypertension 2. NCD 3. NR 4. Hypertensive medication/ oral
1. NR 2. 6 months 3. 354 (178 - 176) 4. 89.6% (86.0% -93.6%)
1. Kender 2. 2010 3. U.S.A 4. RCT/ Yes
1. Psychiatry clinics 2. Outpatients/ no 3. N= 49 (24 – 25) 4. 62.8%
1. 29.9 (10.5)/ 18 – 52 2. 33; 67.3% 3. 14.3%; 63.3%; 22.4% 4. Low (majority)
1. Schizophrenia 2. NCD 3. NR 4. Antipsychotic medication/ oral
1. Monetary incentives 2. 4 – 6 weeks 3. 43 (21 – 22) 4. 87.8% (87.5% - 88.0%)
1. Diiorio 2. 2009 3. U.S.A. 4. RCT/ Yes
1. 3 clinics/ Urban area 2. NR/ no 3. N= 22 (11 – 11) 4. NR
1. 43 (13.5)/ 25 - 86 2. 15; 68.2% 3. 45.5%; 45.5%; 9.0% 4. NR
1. Epilepsy 2. NCD 3. NR/ ≥ 1 4. Antiepileptic drugs/ oral
1. NR 2. 3 months 3. 20 (10 - 10) 4. 90.9% (90.9% - 90.9%)
Table 6.1 continued
143
Study 1. First author 2. Year 3. Country 4. Design/pilot
Sample 1. Setting 2. Population/ new-users† 3. Total size (I – C sizes) 4. Participation rate
Socio-demographic characteristics 1. Mean age (SD)/range in years 2. Sex: N; % men 3. Race/ethnicity (white; black; others) 4. Socio-economic level
Participants’ disease 1. Name 2. Type 3. Mean duration (SD)/range year 4. Medication name/ form
Participants’ follow-up 1. Strategies 2. Duration 3. Number at the end (I - C) 4. Retention rate (I - C)
1. Diiorio 2. 2008 3. U.S.A. 4. RCT/ No
1. HIV/AIDS clinic 2. Outpatients/ yes 3. 247 (125 – 122) 4. 90.8%
1. 41.6 (7.1)/ 2. 139; 65.0% 3. 7%; 89%; 4% 4. Low
1. HIV/AIDS 2. CCD 3. NA 4. Antiretroviral medication/ oral
1. Monetary incentives 2. 12 months 3. 191 (97 – 94) 4. 77.3% (77.6% - 77.0%)
1. Ogedegbe 2. 2008 3. U.S.A. 4. RCT/ No
1. 2 community-based PCP/ City 2. Outpatients/ no 3. N= 190 (95 – 95) 4. 43.7%
1. 53.7 (12.0) / ≥ 18 2. 22; 11.6% 3. 0%; 100%; 0% 4. Low (majority)
1. Hypertension 2. NCD 3. NR 4. Antihypertensive medication/ oral
1. Friends’ phone number used 2. 12 months 3. 160 (79 – 81) 4. 82.1% (83.2% - 85.3%)
1. Parsons 2. 2007 3. U.S.A 4. RCT/ No
1. Research center/ City 2. Outpatients/ no 3. N= 143 (65 – 78) 4. 51.3%
1. 43.6 (6.9) / ≥ 18 2. 103; 79.2% 3. 5,6%; 65.9%; 27,7% 4. Low (majority)
1. HIV + hazardous drinking 2. CCD 3. 10.6% (5.1)/ NR 4. Antiretroviral medication/ oral
1. NR 2. 6 months 3. 115 (53 – 62) 4. 80.4% (81.5% - 79.5%)
1. Martino 2. 2006 3. U.S.A 4. RCT/ Yes
1. In- and out-patient programs/ City 2. In- and out-patients/ no 3. N= 44 (24 – 20) 4. 100%
1. 31.7 (10.5) / ≥ 18 2. 32; 72.7% 3. 31.8%; 54.5%; 13.7% 4. NR
1. Psychotic and drug abuse or dependence disorder 2. NCD 3. NR 4. Antipsychotic medication/ mainly oral
1. Monetary incentives 2. 3 months 3. 34 (NR – NR) 4. 77.3% (NR – NR)
1. Golin 2. 2006 3. U.S.A 4. RCT/ No
1. Clinic 2. Outpatients/ no 3. 155 (77 – 78) 4. 67.4%
1. 40.2/ ≥ 18 2. 91; 66.4% 3. 22.2%; 65.9%; 11.9% 4. Low
1. HIV 2. CCD 3. NA 4. Antiretroviral medication/ oral
1. Monetary incentives (compensation) 2. 12 weeks 3. 117 (59 – 58) 4. 75.5% (76.6% - 74.4%)
Table 6.1 continued
144
Study 1. First author 2. Year 3. Country 4. Design/pilot
Sample 1. Setting 2. Population/ new-users† 3. Total size (I – C sizes) 4. Participation rate
Socio-demographic characteristics 1. Mean age (SD)/range in years 2. Sex: N; % men 3. Race/ethnicity (white; black; others) 4. Socio-economic level
Participants’ disease 1. Name 2. Type 3. Mean duration (SD)/range year 4. Medication name/ form
Participants’ follow-up 1. Strategies 2. Duration 3. Number at the end (I - C) 4. Retention rate (I - C)
1. Tsang 2. 2005 3. Chine 4. RCT/ No
1. Hospital/ City 2. Inpatients/ no 3. N= 78 (38 – 40) 4. 57.8%
1. Median= 36/ 18 - 67 2. 78; 100% 3. 0%; 0%; 100% 4. Low
1. Schizophrenia 2. NCD 3. NR 4. Neuroleptic medication/ oral and injection
1. NR 2. 6 months 3. 47 (28 - 19) 4. 60.3% (73.7% – 47.5%)
1. Samet 2. 2005 3. U.S.A 4. RCT/ No
1. Multisite 2. The HIV Alcohol Longitudinal Cohort/ no 3. N= 151 (74 – 77) 4. 76.3%
1. 42.5 (7.8) / ≥ 18 2. 122; (80.8%) 3. 29.9%; 47.1%; 23.0% 4. NR
1. HIV + alcohol abuse or dependence 2. CCD 3. NR 4. Antiretroviral medication/ oral
1. NR 2. 12-13 months 3. 94 (49 – 45) 4. 62.2% (66.2% - 58.4%)
1. Diiorio 2. 2003 3. U.S.A 4. RCT/ Yes
1. Clinic 2. Outpatients/ no 3. N= 22 (11 – 11) 4. NR
1. 42.4 (7.9)/ ≥ 18 2. 9 (52.9%) 3. 11.8%; 82.3%; 5.9% 4. NR
1. HIV 2. CCD 3. 11.2 (3.5)/ 6 – 20 4. Antiretroviral medication/ oral
1. NR 2. 2 months 3. 17 (8 – 9) 4. 77.3% (72.7% - 81.8%)
1. Safren 2. 2001 3. U.S.A 4. RCT/ Yes
1. Community health center 2. Outpatients/ no 3. N= 56 (30 – 26) 4. NR
1. 40.8 (8.3)/ NR 2. 49; 87.5% 3. 42.8%; 28.6%; 28.6% 4. NR
1. HIV 2. CCD 3. NR 4. Antiretroviral medication/ oral
1. Monetary incentives 2. 12 weeks 3. 53 (28 – 25) 4. 94.6% (96.2% - 93.3%)
*This study had three groups †People who newly started a medication treatment or restarted a medication treatment after discontinuation. Pop= population; SD= Standard deviation; NR= not reported; RCT= randomized controlled trial; CRCT = cluster randomized controlled trial; I= intervention; C= control; PCP= primary care practices; STH= systolic hypertension; CVD= cardiovascular disease; NCD= non-communicable chronic disease; CCD= communicable chronic disease
145
Table 6.2: Characteristics of interventions and interventionists
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
1. Maneesriwongul† 2. 2012
1. Medication adherence
2. Yes 3. Not assessed 4. 2 Face to face + 2 Phone calls
5. MI; 6. C1: Education; C2: Usual care
7. SP= 3/ NR 8. 25 – 40 min 9. 1 month
10. Establish a relationship with and acceptance of services by the patient; assess and understand the patient’s specific problems; problem solving and planning relevant care along with the patient; provide counselling based upon specific problems and plan of care
1. Nurse 2. Yes 3. NR 4. No
1. Williams - a* 2. 2012
1. Medication self-management
2. Yes 3. Assessed 4. Phone calls
5. MI + self- monitoring of blood pressure+ medication use review + education; 6. Usual care
7. SP = NR / SO = 4 8. 11.8 min (2 – 29) 9. 3 months
10. Open-ended questions about participant’s medication; assess motivation and confidence in taking medications; elicit barriers, concerns and positive self-motivational statements
1. Renal specialist nurse (doctorate) 2. Yes 3. NR 4. No
1. Konkle-Parker 2. 2012
1. Medication adherence
2. NR 3. Assessed 4. 2 Face to face + 6 Phone calls
4. MI + education + viewing of a peers’ video; 6. Usual care
7. SP= 8/ NR 8. Face to face: 30 – 60 min; Phone sessions: 10 min (2 - 33) 9. 6 months
10. NR 1. Nurse practitioner 2. Yes 3. NR 4. Yes
1. Williams - b 2. 2012
1. Medication self-management
2. Yes 3. NR 4. Phone calls
5. MI + Self- monitoring of blood pressure+ Medication use review + education; 6. Usual care
7. SP = NR / SO = 4 8. Range 3 - 23 min; 9. 3 months
10. Assess motivation and confidence in taking medications; elicit barriers, concerns et positive self-motivational statements.
1. Nurse 2. NR 3. NR 4. No
146
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
1. Solomon 2. 2012
1. Medication adherence
2. Yes 3. NR 4. Phone calls
5. MI + educational materials 6. Educational materials
7. SP = 10 / SO = 8 (median) 8. 14 min (median) 9. 12 months
10. Discuss with physician; manage adverse effects of medication; include a series of open-ended questions to elicit subjects’ attitudes toward medication and to determine barriers to long-term osteoporosis medication use.
1. Health educator 2. Yes 3. Half-day 4. Yes
1. Ingersoll 2. 2011
1. Medication adherence and crack cocaine problems
2. Yes 3. Assessed 4. Face to face
5. MI + Educational handouts; 6: Educational video + educational handouts
7. SP= 6/ NR; 8. Range 45 – 60 min; 9. 3 months
10. Explore participant’s thoughts, feelings, motivations and behaviours related to adherence using a variety of strategies, including providing personalized feedback, emphasizing choice and control, goal setting, and change planning.
1. MSc or PhD in clinical, or counselling psychology, social work, or counselling 2. Yes 3. NR 4. Yes
1. Holstad 2. 2011
1. Medication adherence and risk reduction behaviours
2. No 3. Assessed 4. In group
5. MI; 6. Health promotion program
7. SP= 8/ So= 8 8. Range 90 – 120 min 9. 9 months
10. Introduction, group guidelines, exploration of lifestyles (including ART adherence); ART awareness, the good and no so good things; change and exploring goals about ART adherence; sharing successes and ART strategies; disclosure of HIV status, to tell or not to tell; Summary and termination.
1. Nurse 2. Yes 3. 24 hours 4. Yes
1. George 2. 2010
1. Medication adherence
2. Yes 3. Not assessed 4. Face-to-face
5. MI + self-monitoring + medication use review + education;
7. SP= 2/ So= 2 8. NR 9. 3 months
10. NR 1. Pharmacist 2. Yes 3. One day 4. NR
147
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
discussion on the clinical results 6. Usual care
1. Kender 2. 2010
1. Medication adherence
2. NA 3. NA 4. Computer-based
5. MI + short video testimonial; 6. Innocuous videos
7. SP= 2/ NR; 8. NR 9. 1 – 1.5 months
10. Feedback regarding concerns about medication regimen, as well as of the participant’s self-reported motivation to adhere to their medication; pros and cons of medication adherence and of continuing without medication; summary and query regarding the participant's interest in beginning a structured program; change plan in order to specify medication goals.
1. NA 2. NA 3. NA 4. NA
1. Diiorio 2. 2009
1. Medication, information, seizure, safety and lifestyle management
2. Yes 3. Assessed 4. 1 face-to-face + 4 phone calls
5. MI; 6. Usual epilepsy education + usual support
7. SP= 5/ SO= 4.7 8. NR 9. 3 months
10. Assess behaviour; support in weighing the cost and benefits; elicit barriers; elicit change strategies; build confidence, support efforts to solve barriers; make a contract (goal + action plan).
1. Nurse 2. Yes 3. 25 hours 4. No
1. Diiorio 2. 2008
1. Medication adherence
2. Yes 3. Assessed 4. Face to face (phone calls if necessary)
5. MI 6. Usual education
7. SP= 5/ SO= NR 8. Range 20 – 90 9. 3 months
10. Ask participants about participant medication-taking behaviours over the past two weeks; for each medication, discuss benefits and barriers of taking medications, and ways to improve adherence; after each discussion and an action plan developed,
1. Nurse 2. Yes 3. 24 hours 4. Yes
148
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
summarize the discussion and the action plan at the end of each session.
1. Ogedegbe* 2. 2008
1. Medication adherence
2. Yes 3. Assessed 4. Face to face
5. MI 6 Usual care
7. SP= 4 / SO= 3; 8. Range:25 – 30 min 9. 3 months
10. Establish relationship with the patient; assess the patient's motivation and confidence; elicit barriers, concerns, and positive self-motivational statements; summarize the ‘pros’ and ‘cons’ of change; clarify behavioral contract; give a summary session.
1. Research assistant 2. Yes 3. 24 hours 4. Yes
1. Parsons 2. 2007
1. Medication adherence and reducing alcohol use
2. No 3. Assessed 4. Face to face
5. MI + CBST 6. Education
7. I: SP= 8/ SO= 7.0; 8. 60 min 9. 3 months
10. Deliver factual information; enhance motivation; promote personal responsibility for improving adherence; develop individualized behaviour change plans; provide individualized feedback.
1. Master-degree counsellor 2. Yes 3. NR 4. Yes
1. Martino 2. 2006
1. Medication adherence and substance use
2. Yes 3. Assessed 4. Face to face
5. MI; 6. Standard psychiatric interview
7. SP= 2/ SO= 1.8; 8. 60 min 9. 0.233 months (1 week)
10. Focus typically on exploring the patient’s dual diagnosis problem areas and conducting a decisional balance activity to build motivation for change; give feedback including a collaboratively developed plan to change.
1. Mental health professional 2. Yes 3. NR 4. Yes
1. Golin 2. 2006
1. Medication adherence
2. Yes 3. Assessed
5. MI + Education and MI materials
7. SP= 2/ NR; 8. NR
10. Focus on salient concerns identified by patient; use techniques
1. Health educator 2. Yes
149
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
4. Face to face 6. General HIV materials
9. 1.4 months (6 weeks) such as reflective listening and issue reframing to raise patients’ awareness of their thoughts/feelings about adherence; develop medication self-management skills.
3. 24 hours 4. Yes
1. Tsang 2. 2005
1. Treatment regimen
2. No 3. Not assessed 4. In small group
5. MI; 6. Standard treatment
7. SP= 5/ NR; 8. NR/ NR 9. NR
10. Build relationship amongst group members; stance towards treatment; discuss and examine the expressed difficulties of patients; examine the benefits and drawbacks of compliance; to face and resolve psychological conflicts towards compliance; disseminate information about coping, adverse drug reactions, cues on self-medication and problem-shooting practice
1. Researcher 2. NR 3. NR 4. NR
1. Samet 2. 2005
1. Medication adherence; alcohol and other substance use
2. No 3. Assessed 4. Face to face
5. MI; 6: Standard care
7. SP= 4/ NR; 8. 15 – 60 min; 9. 3 months
10. Instruct on the use of a medication timer device provided by the study; review the efficacy of HIV medications, answer subject’s HIV-related questions; explore ways to tailor medication use to specific circumstances; assess barriers to medication adherence and counsel about strategies to overcome these barriers.
1. Nurse 2. Yes 3. NR 4. Yes
150
Study 1. First author 2. Year
Characteristics of interventions Interventionists
1. MI objectives 2. Use of a guide 3. MI fidelity 4. Delivery mode of MI
Intervention offered to participants in: 5. Intervention group 6. Control group
7. sessions SE / SO 8. Session duration 9. Intervention duration
10 MI intervention session content about medication adherence
1. Profile 2. MI training 3. MI training duration 4. Coaching
1. Diiorio 2. 2003
1. Medication adherence
2. Yes 3. Assessed 4. NR
5. MI + motivational and educational materials 6. Usual adherence education
7. SP= 3/ SO= 3; 8. NR 9. 1.4 months (6 weeks)
10. NR 1. Nurse 2. Yes 3. 25 hours 4. yes
1. Safren 2. 2001
1. Medication adherence
2. Yes 3. Not assessed 4. Face-to-face
5. MI + other interventions 6. Self-monitoring condition
7. SP= 1/ SO= 1; 8. NR 9. 0.033 month (1 day)
10. Enhance motivation, rehearse adherence –related behaviours; and solve problems that interfere with adherence to HIV medications
1. Clinician 2. NR 3. NR 4. NR
* We used the protocol of the study to complete some information. SP= number of MI sessions planned per participant; SO= mean number of MI sessions offered per participant; NR= not reported; CBST= cognitive-behavioural skills training
151
Table 6.3: Effect of MI characteristics on the pooled intervention effect size
Characteristics N Univariate random-effects model Adjusted random-effects model*
ẞ 95% CI p-value ẞ 95% CI p-value Use of a guide
Yes 11 -0.066 -0.290, 0.157 0.5610 -0.044 -0.291, 0.203 0.7278 No (reference) 3 0 ---- ---- 0 ---- ---- Missing data 1 ---- ---- ---- ---- ---- ---- not applicable 1 ---- ---- ---- ---- ---- ----
Number of planned MI sessions 14 -0.023 -0.047, 0.001 0.0619 -0.031 -0.068, 0.007 0.1027 Missing data 2 ---- ---- ---- ---- ---- ---- Not applicable 0 ---- ---- ---- ---- ---- ----
Delivery mode of MI Face to face only 8 0.192 0.039, 0.344 0.0136 0.270 0.041, 0.498 0.0251 Phone calls only (reference) 3 0 ---- ---- 0 ---- ---- 1 phone call + 4 face to face 1 ---- ---- ---- ---- ---- ---- 2 phone calls + 6 face to face 1 ---- ---- ---- ---- ---- ---- In-group 1 ---- ---- ---- ---- ---- ---- Computer-based 1 ---- ---- ---- ---- ---- ---- Missing data 1 ---- ---- ---- ---- ---- ---- Not applicable 0 ---- ---- ---- ---- ---- ----
Intervention duration (in months) 0.2887 0.1846 ≤ 1.5 5 0.096 -0.159; 0.352 ---- 0.177 -0.111, 0.465 ---- > 1.5 and < 6 8 0.126 -0.030; 0.282 ---- 0.236 -0.002, 0.474 ---- ≥ 6 (reference) 3 0 ---- ---- 0 ---- ---- Missing data 0 ---- ---- ---- ---- ---- ---- Not applicable 0 ---- ---- ---- ---- ---- ----
Type of interventions offered to intervention groups MI only 6 0.173 0.007, 0.338 0.0407 0.183 0.004, 0.362 0.0451 MI plus other interventions (reference) 10 0 ---- ---- 0 ---- ---- Missing data 0 ---- ---- ---- ---- ---- ---- Not applicable 0
Table 6.3 continued
152
Characteristics N Univariate random-effects model Adjusted random-effects model*
ẞ 95% CI p-value ẞ 95% CI p-value Type of interventions offered to control groups
Usual care only 11 0.116 -0.031, 0.263 0.1211 0.174 -0.031, 0.378 0.0958 Other interventions (reference) 5 0 ---- ---- 0 ---- ---- Missing data 0 ---- ---- ---- ---- ---- ---- Not applicable 0 ---- ---- ---- ---- ---- ----
Interventionists’ profession Nurses 8 0.054 -0.117, 0.224 0.5376 0.042 -0.160, 0.244 0.6831 Other professionals (reference) 7 0 ---- ---- 0 ---- ---- Missing data 0 ---- ---- ---- ---- ---- ---- Not applicable 1 ---- ---- ---- ---- ---- ---- Coaching of interventionists
Yes 10 0.275 -0.081, 0.631 0.1299 0.465 0.028, 0.902 0.0370 No (reference) 3 0 ---- ---- 0 ---- ---- Missing data 2 ---- ---- ---- ---- ---- ---- Not applicable 1 ---- ---- ---- ---- ---- ----
*Model adjusted for the study quality score. N= number of studies; ẞ = regression coefficient; CI= confidence interval; MI= motivational interviewing; missing data for the MI characteristics; other professionals= pharmacists, clinicians, health educator, research assistant, and mental health professionals
153
7 Chapitre 7 : Conclusion générale et perspectives
Dans la présente thèse, nous avons documenté les connaissances sur le diabète de type 2
notamment : l’ampleur de la maladie, les tests diagnostiques, les facteurs de risque, les
traitements médicamenteux et les conséquences de la maladie. Nous avons ensuite essayé
de comprendre le concept (taxonomie) et les méthodes de mesure de l’adhésion. Cette
littérature a permis d’explorer de façon efficiente les sections subséquentes de la thèse
notamment la problématique de l’adhésion sous-optimale au TADO et ses conséquences.
Nous avons également recherché des pistes de solution à la problématique de l’adhésion
sous-optimale au TADO. À cet effet, nous avons fait dans un premier temps, une revue de
littérature des déterminants de l’adhésion au TADO. Les résultats de cette revue ont
démontré qu’il n’y avait pas d’études dans lesquelles les déterminants liés au patient ont été
explorés dans un contexte de suivi. Cette lacune a été traitée dans la première étude de la
thèse. Ensuite, nous avons exploré la littérature portant sur les interventions visant à
améliorer l’adhésion au TADO. Les conclusions de cette revue nous ont amenés à nous
intéresser à l’entretien motivationnel. Nous avons donc étudié l’efficacité des interventions
«entretiens motivationnels» sur l’adhésion sous-optimale au traitement médicamenteux
chez les adultes atteints de maladies chroniques. Dans ce dernier chapitre, nous présentons
les principaux résultats de la thèse, les faiblesses et forces de la thèse, les implications en
pratique clinique et en recherche, les conclusions et les perspectives de la thèse.
7.1 Déterminants de l’adhésion au TADO
Rappelons que le concept de l’adhésion regroupe trois composantes qui sont l’acceptation
ou initiation, la persistance et l’observance. Les études retenues pour la synthèse des
déterminants liés au concept de l’adhésion au TADO étaient celles dans lesquelles
l’adhésion a été mesurée avec la proportion de jours couverts ou le ratio de possession de
médicaments. Ces méthodes de mesure ont été identifiées comme ayant de bonnes preuves
psychométriques de validation. Les études des déterminants de la persistance au TADO
n’ont pas été retenues dans la synthèse des déterminants. En effet, nous avons observé, une
grande variabilité des seuils permettant de distinguer les persistants des non-persistants. Les
154
mesures d’association de ces études pourraient donc en être substantiellement affectées. En
ce qui concerne les déterminants de l’initiation au TADO, aucune étude n’a été identifiée
dans la littérature consultée.
Une recherche systématique des études portant sur les déterminants de l’adhésion au TADO
dans cinq bases de données a permis d’en identifier plusieurs (voir chapitre 2, section 2.8).
Toutefois, il n’y avait aucune étude portant sur les déterminants liés au patient
(déterminants psychosociaux) dans la littérature consultée. Comme il est recommandé
d’identifier ces déterminants à partir de théories de prédiction de comportement, nous
avons révisé la littérature à ce sujet. Ainsi, nous avons observé que la théorie du
comportement planifié ressort comme ayant une bonne capacité prédictive des
comportements favorables à la santé. De plus, lorsqu’utilisée pour la conception
d’intervention web visant l’amélioration de comportement de santé, la théorie du
comportement planifié semblait plus efficace que d’autres théories comportementales telles
que la théorie sociale cognitive et le modèle transthéorique. Nous avons donc utilisé la
théorie du comportement planifié pour étudier la prédiction de l’adhésion au traitement
antidiabétique non-insulinique (TADNI). Rappelons que le TADNI inclut les
médicamenteux antidiabétiques oraux et injectables non-insuliniques.
La première étude de la thèse visait donc à vérifier si la théorie du comportement planifié
prédit l’adhésion au TADNI mesurée prospectivement chez les adultes atteints du diabète
de type 2. Les résultats de cette étude suggèrent que l’adhésion au TADNI sur la période de
30 jours précédant l’enquête web était à la fois un facteur confondant et modifiant de
l’association entre l’intention et l’adhésion au TADNI sur la période de 30 jours suivant
l’enquête web. Ainsi, nous avons observé que la théorie du comportement planifié
permettait de prédire l’intention des patients d’adhérer au TADNI mais pas l’adhésion au
TADNI, ceci avec une variance expliquée beaucoup plus élevée chez les non-adhérents
passés que chez les adhérents passés au TADNI. L’association entre l’intention et
l’adhésion future au TADNI était nettement plus élevée chez les non-adhérents passés que
chez les adhérents passés au TADNI. Le contrôle comportemental perçu avait l’amplitude
la plus élevée de la mesure d’association, et donc était le prédicteur principal de l’intention
155
d’adhérer au TADNI.
Le fait que la théorie du comportement planifié ne prédise pas l’adhésion au TADNI dans
notre échantillon est contraire aux principes de cette théorie.157 En effet, les participants ont
rapporté en moyenne un score élevé aussi bien pour leur intention d’adhérer au TADNI, que
pour leur contrôle comportemental perçu face au TADNI (voir Table 4.2). D’un autre côté,
les données de remboursement de médicaments indiquaient un maintien du niveau élevé
d’adhésion au TADNI chez les adhérents et une amélioration substantielle de l’adhésion au
TADNI chez les non-adhérents avant l’enquête web (voir Table 4.2). Tout semblait donc
indiquer qu’en moyenne les participants ont joint l’acte à la parole aussi bien chez les non-
adhérents que chez les adhérents. Malgré cette cohérence entre les scores des variables de
la théorie du comportement planifié et le niveau d’adhésion au TADNI, les effets des
variables de la théorie sur l’adhésion étaient statistiquement non significatifs. Il y a deux
hypothèses explicatives possibles pour ces résultats. Premièrement, ils pourraient
s’expliquer par l’absence de puissance statistique de l’étude surtout pour le groupe des non-
adhérents passés au TADNI. En effet, nous avons observé une force d’association élevée
entre l’intention et l’adhésion au TADNI avec un intervalle de confiance assez large (voir
Table 4.4). De plus, la plupart des études d’identification de déterminants de l’adhésion au
TADO mesurée comme étant la proportion de jours couverts, sont basées sur des données
populationnelles ayant une taille d’échantillon de l’ordre de plusieurs milliers
d’individus.101,102,105,106,109,131 Aussi, il est recommandé une taille d’échantillon d’au moins
80 participants pour les études de déterminants basées sur la théorie de comportement
planifié et qui nécessitent l’utilisation de régression multivariée.215 L’autre hypothèse est
l’influence probable qu’aurait eue sur nos résultats la méthode de mesure de l’adhésion qui
est objective. En effet, McEachan et coll., ont démontré dans une méta-analyse que la
théorie du comportement planifié expliquait 25% de l’adoption de l’activité physique
lorsque mesurée de façon prospective avec une méthode auto-rapportée comparativement à
12% lorsque mesurée de façon prospective avec une méthode objective.163 Il en résulte que
la variance expliquant le comportement est deux fois plus faible lorsqu’on utilise une
méthode objective comparativement à une méthode auto-rapportée. La faible capacité
prédictive de la théorie du comportement planifié observée lorsqu’on utilise une méthode
156
objective pourrait résider dans l’imprécision de la définition du comportement dans les
questionnaires basés sur la théorie. Par exemple, pour notre étude, le comportement était la
prise des médicaments antidiabétiques non-insuliniques tels que prescrits sur les 30
prochains jours. Toutefois, la mesure du comportement que nous avons utilisée évaluait la
disponibilité de médicaments antidiabétiques non-insuliniques sur les 30 prochains
jours. Cette mesure objective utilisée n’évaluait pas exactement le comportement défini
dans notre questionnaire. Le comportement visé par l’intention n’était donc pas le
comportement réellement mesuré. Ceci pourrait avoir négativement affecté l’association
entre l’intention d’adhérer au TADNI et l’adhésion future au TADNI, et donc la capacité
prédictive de la théorie. Pour terminer, la mesure utilisée pour l’adhésion tenait compte
seulement de la mise en œuvre de la prise du traitement. Les données disponibles ne
permettaient pas d’évaluer l’initiation. En effet, on ne sait pas le moment où le médicament
a été prescrit la première fois dans l’histoire thérapeutique des individus. Selon les données
rapportées par les participants, le temps moyen du traitement était d’environ neuf ans
indiquant que nous avons affaire à des utilisateurs prévalents. De même, la persistance
n’était pas pertinente à évaluer à cause de la très courte période choisie pour l’estimation de
l’adhésion. En qui concerne l’initiation du traitement, on présume que tous les participants
ont initié un traitement antidiabétique non-insulinique étant donné qu’ils ont répondu au
questionnaire web. Toutefois, on ne peut le quantifier.
En somme, la théorie du comportement planifié nous semblait avoir le potentiel de prédire
l’adhésion future au TADNI plus particulièrement chez les non-adhérents passés. Par
ailleurs dans notre état des connaissances, nous avions identifié sur la base d’une revue
systématique réalisée par une seule personne des déterminants modifiables et non
modifiables de l’adhésion au TADO. Par conséquent, on devrait tenir compte des
déterminants modifiables dans la conception des interventions. Aussi, les patients possédant
les modalités des déterminants non modifiables devraient être considérés à risque et donc
nécessiteraient un suivi plus serré dans la prise de leurs médicaments.
157
7.2 Interventions visant à améliorer l’adhésion au TADO
Après avoir identifié les déterminants de l’adhésion au TADO, nous avons investigué les
solutions existantes pour remédier à la problématique de l’adhésion sous-optimale au
TADO chez les adultes atteints de diabète de type 2. Ainsi, nos deux revues systématiques
et méta-analyses nous ont permis de constater que l’adhésion était la seule des trois
composantes du concept de l’adhésion305 qui a été évaluée dans le cadre des études
d’interventions consultées.
La revue portant sur l’efficacité et le contenu des interventions visant à améliorer
l’adhésion au TADO chez les adultes atteints de diabète de type 2 a montré qu’il n’y avait
pas de différence statistiquement significative entre l’efficacité des interventions offertes
aux groupes «interventions» et celle des interventions offertes aux groupes «contrôles».
Toutefois, ces résultats doivent être interprétés en gardant à l’esprit qu’il y avait une forte
hétérogénéité entre les études incluses. En nous intéressant au contenu des interventions
offertes dans les différents groupes étudiés, nous avons pu identifier huit techniques de
changement de comportement uniques c’est-à-dire les techniques de changement utilisées
dans les interventions offertes aux groupes «interventions» mais pas dans celles offertes
aux groupes «contrôles». Au terme des analyses et interprétations, il ressort que les
interventions dans lesquelles on aidait les participants ou les cliniciens à être proactifs par
rapport aux effets indésirables étaient plus efficaces que celles dans lesquelles cette aide
n’était pas offerte. Il s’agit de la technique de changement nommée en anglais «cope with
side effects». Ce résultat s’expliquerait par le fait que la survenue d’effets indésirables suite
à la prise des médicaments antidiabétiques oraux serait l’une des plus importantes barrières
à l’adhésion au TADO chez les adultes atteints de diabète de type 2 selon des études
transversales.264,265
En termes de solutions à la problématique de l’adhésion sous-optimale du TADO, les
résultats de la précédente revue nous semblaient pertinents uniquement pour les adultes
atteints de diabète de type 2 qui expérimentent des effets indésirables suite à la prise de leur
TADO. Les effets indésirables n’étant pas la seule raison d’adhésion sous-optimale du
158
TADO,265 nous avons eu un intérêt pour l’entretien motivationnel. Il s’agit d’une
intervention complexe, semi-structurée ayant une efficacité démontrée pour l’amélioration
de plusieurs comportements favorables à la santé (voir chapitre 2, section 2.11.4).
Toutefois, les conclusions des synthèses de littérature consultées ne semblaient pas claires
en ce qui concerne l’efficacité de ce type d’intervention sur l’adhésion au traitement
médicamenteux. De plus, l’influence des caractéristiques des interventions «entretiens
motivationnels» n’avait pas encore été explorée. Nous avons donc entrepris une revue
systématique et méta-analyse pour évaluer ces éléments. Étant donné qu’aucune étude
portant sur l’entretien motivationnel n’a été identifiée lors de notre revue portant sur les
interventions visant l’amélioration de l’adhésion au TADO, nous avons élargi cette revue à
toutes les maladies chroniques.
Il ressort de cette dernière revue que l’entretien motivationnel était efficace pour améliorer
l’adhésion au traitement médicamenteux chez les adultes atteints de maladie chronique. De
plus, l’amplitude de cette efficacité est plus élevée lorsque l’entretien motivationnel était la
seule intervention, administrée en face-à-face comparée au téléphone, ou encore lorsque les
intervenants ont été coachés lors de l’intervention c’est-à-dire évalués avec une rétroaction
sur leur fidélité aux principes et techniques de l’entretien motivationnel durant la période
d’intervention. Ces résultats suggèrent que l’entretien motivationnel est une solution
prometteuse pour l’amélioration de l’adhésion au traitement médicamenteux chez les
adultes atteints de maladie chronique. Il en résulte qu’il pourrait être un outil d’amélioration
de l’adhésion au TADO chez les adultes atteints de diabète de type 2.
7.3 Faiblesses et forces de la thèse
Dans la première étude de la thèse, nous avons identifié quelques faiblesses. Premièrement,
nous avons mesuré l’adhésion en utilisant la méthode de proportion de jours couverts par au
moins un médicament antidiabétique non insulinique. Cette méthode de mesure contribue à
une surestimation de l’adhésion notamment chez les personnes qui ont plus d’un
médicament antidiabétique non-insulinique à renouveler. Toutefois, cette méthode de
mesure est sensible à l’identification des non-adhérents et donc permet de distinguer les
159
adhérents des non-adhérents. Ceci convient bien au contexte dans lequel nous visons
l’adoption de l’adhésion au TADNI. La mesure utilisée est un proxy de la prise de
médicaments. En effet, c’est la disponibilité des médicaments qui a été évaluée et non leur
prise réelle. Ceci pourrait conduit à une surestimation de la mesure d’adhésion. Toutefois,
la méthode de mesure de l’adhésion étant la même pour tous les individus de l’échantillon
analysé, la mesure d’association observée serait sous-estimée. Une autre faiblesse de cette
étude est le manque de puissance statistique de l’étude pour démontrer une association
statistiquement significative entre l’intention et l’adhésion future au TADNI. Ceci nous a
limités dans nos conclusions sur la capacité de la théorie du comportement planifié à
prédire l’adhésion future au TADNI plus particulièrement chez les non-adhérents passés.
Enfin, on ne disposait pas dans la base de données utilisée, des informations sur la norme
subjective qui est supposée contribuer à la prédiction de l’intention. Ceci pourrait avoir
affecté les mesures d’association entre le contrôle comportemental perçu et l’intention, et
entre l’attitude et l’intention. La variance expliquant l’intention d’adhérer au traitement
antidiabétique non-insulinique pourrait aussi en être négativement affectée. Toutefois, nous
présumons que ces impacts ne devraient pas être majeurs. En effet, la norme subjective ne
semblait pas être un prédicteur majeur de l’intention dans la littérature consultée (voir
chapitre 2, section 2.9.3). Nous avons également identifié quelques faiblesses au niveau de
la deuxième étude (revue des interventions). Le petit nombre d’études nous a limités dans
nos conclusions. En effet, on aurait voulu construire un modèle prédictif de méta-régression
incluant toutes les techniques de changement de comportement uniques codées. Ceci nous
aurait permis d’identifier les techniques de changement de comportement uniques qui
expliquent le mieux l’amélioration de l’adhésion au TADO. Nous avons dû analyser
individuellement les techniques de changement de comportement dont les résultats
pourraient être affectés par un biais de confusion. La troisième étude, revue portant sur
l’entretien motivationnel, présente aussi quelques limites. Les détails portant sur
l’évaluation de la fidélité des intervenants aux principes et techniques de l’entretien
motivationnel n’ont pas été rapportés. Ceci nous aurait permis de documenter le degré
d’observance de l’application de l’entretien motivationnel par les intervenants. Une
faiblesse commune aux études 2 et 3 était notre incapacité à accéder au contenu des soins
160
usuels malgré la prise de contact avec les auteurs de correspondance des études retenues.
En effet, le contenu des soins usuels peut varier d’un pays à l’autre et d’une maladie à
l’autre. La variation du contenu des soins usuels pourrait donc faire varier l’efficacité des
interventions. Toutefois, sur le plan éthique dans un contexte d’essai contrôlé à répartition
aléatoire, on s’attendrait à ce que les soins usuels soient administrés aux groupes étudiés
«contrôles» et «interventions». Nous présumons donc que bien que nous n’ayons pas eu
accès à ces informations, les efficacités globales estimées dans les deux revues ne devraient
pas en être affectées. La présente thèse regroupe plusieurs synthèses des connaissances. Il
se pourrait que de nouvelles études aient été publiées depuis la réalisation de ces synthèses.
Les résultats des différentes synthèses des connaissances devront donc être considérés en
ayant à l’esprit les dates des recherches documentaires effectuées.
La présente thèse a plusieurs forces. Premièrement, toutes les sections majeures de la thèse
sont basées sur des recherches systématiques des études pertinentes et/ou sur des synthèses
de littérature existantes. Ceci nous a permis d’optimiser les sections subséquentes de l’état
des connaissances. Par exemple, la synthèse portant sur les méthodes de mesure de
l’adhésion nous a permis d’identifier les bonnes méthodes de mesure de l’adhésion au
traitement médicamenteux. Ces résultats ont contribué à la définition des critères
d’inclusion des synthèses portant respectivement sur les conséquences de l’adhésion sous-
optimale et les différents types de déterminants de l’adhésion au TADO. L’exhaustivité de
l’état des connaissances de la thèse est également une force. En effet, nous avons été
capable de démontrer que l’adhésion au TADO demeure sous-optimale chez les adultes
atteints de diabète de type 2. La synthèse portant sur les déterminants a confirmé la
complexité de l’adhésion au TADO. En effet, nous avons démontré qu’il s’agit d’un
comportement multifactoriel. De ce fait, les interventions visant à améliorer l’adhésion au
TADO devraient également être basées sur des techniques en réponse à ces déterminants
multiples. Une autre force de la présente thèse réside dans les méthodologies rigoureuses
utilisées pour les trois études principales de la thèse. Pour la première étude, nous avons
dans un premier temps, justifié le choix de la théorie du comportement planifié. Ensuite,
nous avons documenté sa capacité à prédire les comportements favorables à la santé. Les
relations entre les différentes variables de cette théorie ont été également documentées.
161
Ceci nous a permis de proposer un cadre théorique pour l’analyse des données. Aussi, le
comportement ciblé a été mesuré en utilisant une méthode objective précédemment
identifiée dans notre thèse comme ayant de bonnes preuves de validation. Les informations
relatives à l’adhésion n’ont donc pas été affectées par le biais de désirabilité sociale. La
deuxième et la troisième étude de la thèse présentent plusieurs forces. Nous avons utilisé
une méthodologie assez rigoureuse et reproductible pour l’opérationnalisation des critères
d’inclusion des études pertinentes, l’élaboration des stratégies de recherche avec recours à
un spécialiste de l’information pour validation, la sélection des études pertinentes,
l’extraction des données et l’évaluation du risque de biais réalisées de façon indépendante
par deux examinateurs. En ce qui concerne les méta-analyses, nous avons évalué le risque
de biais de publication, exploré l’hétérogénéité et fait des analyses de sensibilité afin de
vérifier la robustesse de nos résultats. Ces différentes analyses nous ont permis de mieux
interpréter nos résultats. Finalement, la présente thèse a aussi permis de générer quelques
sujets de recherche originaux qui n’ont pas encore été explorés dans le domaine de
l’adhésion au TADO (voir plus loin dans le présent chapitre).
7.4 Implications pratiques de la thèse
Le contenu de la présente thèse a de potentielles implications pratiques pour toutes les
parties prenantes s’intéressant au diabète de type 2. On entend par parties prenantes : des
citoyens (malades ou non); des personnes atteintes de diabète de type 2; des cliniciens
(médecin ou non) qui contribuent au traitement du diabète de type 2; et des chercheurs qui
ont un intérêt de recherche en autogestion du diabète. Dépendamment des profils des
parties prenantes, certaines sections de la thèse pourraient particulièrement les intéresser.
Étant donné que plusieurs sections de la thèse sont basées sur des revues systématiques ou
revues des revues systématiques/méta-analyses, on distingue les implications pratiques
issues des synthèses de littérature faites dans l’état des connaissances et celles issues des
trois études principales de la thèse.
162
7.4.1 Implications pratiques tirées des synthèses de littérature faites dans l’état des connaissances
Ainsi, les citoyens qui liront la présente thèse auront une connaissance de l’ampleur du
diabète de type 2 au Canada et dans le monde. Ils seront aussi informés des facteurs de
risque, des complications microvasculaires et macrovasculaires du diabète de type 2 qui
sont couramment étudiés dans la littérature. Ces connaissances pourraient contribuer au
renforcement de la prévention primaire du diabète de type 2 chez les citoyens. Par exemple,
les facteurs de risque modifiables notamment les habitudes de vie telles que la
consommation de viande rouge (50 grammes par jour), l’absence d’activité physique, la
consommation active de cigarettes (≥ 20 cigarettes par jour) augmentent le risque de
survenue du diabète de type 2. Ces informations pourraient donc contribuer à la
sensibilisation de nos lecteurs à l’amélioration de leurs habitudes de vie. Ceci leur
permettrait de réduire leur risque d’être atteints du diabète de type 2. D’un autre côté, les
connaissances relatives aux facteurs de risque non modifiables tels que l’augmentation de
l’âge, le fait d’être un homme pourraient sensibiliser nos lecteurs à un bilan périodique de
santé s’ils sont à risque du diabète de type 2. Ceci leur permettrait de détecter le plus tôt
possible la survenue du diabète de type 2.
Les patients atteints de diabète de type 2 qui liront la présente thèse pourront approfondir
leurs connaissances particulièrement sur les différents types de traitements antidiabétiques,
leurs mécanismes d’action et leurs efficacités. Aussi, ils seront informés sur les
conséquences de la prise sous-optimale des traitements médicamenteux antidiabétiques.
Ceci pourrait les sensibiliser davantage sur la pertinence de la prise des traitements tels que
prescrits. Ils seront également sensibilisés à l’ajout ou à la modification de traitement
antidiabétique à un moment donné du processus de suivi de leur diabète. En effet, le diabète
de type 2 étant une maladie évolutive, la prise des antidiabétiques tels que prescrits n’écarte
pas nécessairement l’ajout ou la modification d’autres classes de médicaments
antidiabétiques au besoin. De plus, les patients lecteurs comprendront mieux les
conséquences négatives liées à la prise sous-optimale de leur TADO. Ceci pourrait les
sensibiliser à prendre leur TADO tel que prescrit.
163
Les cliniciens qui liront la thèse auront des connaissances approfondies particulièrement sur
l’efficacité et les effets indésirables des TADO ayant fait l’objet de recherche. Par exemple,
nous avons observé que la metformine ou les sulfonylurées semblaient être plus efficaces
comme traitement de première intention pour le diabète de type 2 en l’absence de contre-
indications. Les cliniciens lecteurs seront également informés des différents concepts de
l’adhésion au traitement médicamenteux, les outils de mesure de l’adhésion au traitement
médicamenteux, les déterminants de l’adhésion au TADO, ainsi que les différents types
d’interventions visant à améliorer l’adhésion au TADO. De façon plus concrète, nous avons
identifié le questionnaire de Morisky à huit items comme étant un outil d’auto-rapport de
l’adhésion. Cet outil pourrait être administré aux patients par les cliniciens lors des visites
de routine. Ceci leur permettrait d’identifier les patients qui ont une adhésion sous-optimale
à leur traitement antidiabétique. De même, les pharmaciens pourraient aussi faire le suivi
du renouvellement des prescriptions de leurs clients. En effet, nous avons identifié la
proportion de jours couverts comme étant une des meilleures façons d’estimer la
disponibilité du TADNI chez le patient. Les pharmaciens pourraient utiliser cette méthode
de calcul de l’adhésion pour identifier leurs clients qui ont une adhésion sous-optimale à
leur traitement.
7.4.2 Implications pratiques issues des trois études principales
La première étude a permis de montrer que la théorie du comportement planifié a une
capacité limitée pour la prédiction de l’adhésion au TADNI. Aussi, les modèles statistiques
ajustés pour les variables dites externes nous ont permis de constater que l’adhésion au
TADNI est plus expliquée par ces variables plutôt que par l’intention. Ceci nous indique
que les cliniciens et chercheurs devront prendre en compte l’ensemble des déterminants de
l’adhésion au TADNI pour la conception et la mise en place des interventions pour
l’amélioration de l’adhésion au TADNI. Aussi, ils devront traiter différemment les non-
adhérents et les adhérents au TADNI dans le cadre de ces interventions.
La deuxième étude a permis de monter que les interventions dans lesquelles étaient gérés
les effets indésirables sont plus efficaces que celles dans lesquelles elles n’étaient pas
offertes. Les cliniciens et les patients devront être proactifs dans la gestion des effets
164
indésirables des médicaments antidiabétiques oraux afin d’optimiser la prise de ces derniers
tels que prescrits. Quant aux chercheurs, ils devront tenir compte de cette composante dans
la mise en place d’intervention communautaire visant l’amélioration de l’adhésion au
TADO chez les adultes atteints de diabète de type 2.
D’un autre côté, nous avons identifié l’entretien motivationnel comme étant un outil
potentiel pour améliorer l’adhésion au traitement médicamenteux. Bien que des études
complémentaires soient nécessaires pour évaluer les aspects économiques de ce type
d’intervention, les cliniciens pourraient l’utiliser pour soutenir leurs patients dans
l’autogestion de leur traitement antidiabétique. Il est à noter que nous n’avons identifié
aucun effet indésirable de l’entretien motivationnel dans les études d’interventions
consultées.
En dehors des connaissances produites dans la présente thèse, les chercheurs lecteurs seront
plus particulièrement intéressés aux questions originales suscitées dans la présente thèse
(voir plus loin les perspectives de la présente thèse).
7.5 Conclusions et perspectives de la thèse
Nous avons tenté de comprendre le concept de l’adhésion et les méthodes de mesure
associées. Au terme de l’état des connaissances de la thèse, le concept de l’adhésion est
composé de trois dimensions que sont 1) l’acceptation, 2) la persistance et 3) l’observance
(encore appelée adhésion dans la thèse). Dans la littérature consultée, l’adhésion est la
dimension la plus souvent utilisée. Elle est d’ailleurs la seule composante ayant au moins
une méthode de mesure cliniquement validée qui permet de clairement distinguer les non-
adhérents des adhérents au TADO. Pourtant l’acceptation et la persistance au traitement
médicamenteux sont des composantes du concept de l’adhésion qui sont tout aussi
importantes. La non-acceptation du TADO indique une absence totale de TADO durant la
période de grâce définie entre la première ordonnance du TADO par le médecin et la date
d’initiation au TADO par le patient. La non-persistance au TADO indique également une
absence totale de TADO entre deux renouvellements consécutifs du TADO, ou encore entre
le dernier renouvellement du TADO et la date de fin de la période de mesure de la
165
persistance. La non-acceptation ou la non-persistance au TADO pourrait donc engendrer
des conséquences négatives au moins égales à celles de l’adhésion sous-optimale au TADO.
On pourrait résumer ces conséquences négatives en : complications liées au diabète;
l’augmentation du taux d’hospitalisation et d’utilisation des services de santé; et
l’augmentation des coûts des soins de santé. Il serait donc pertinent que l’acceptation et la
persistance fassent aussi l’objet de futures interventions. Mais avant, il serait bien
d’identifier ou de concevoir des outils de mesure validés à partir de données cliniques, aussi
bien pour l’acceptation que pour la persistance.
Nous avons montré dans la première étude de la thèse que la théorie du comportement
planifié a du potentiel pour prédire l’adhésion au TADNI notamment chez les non-
adhérents passés. Cette étude manquait de puissance statistique pour démontrer un effet
statistiquement significatif entre l’intention et le comportement ciblé. Il manquait
également de précision dans la formulation du comportement visé par la théorie du
comportement planifié au regard de la méthode objective utilisée pour la mesure de
l’adhésion au TADNI. Les futures études basées sur la théorie du comportement planifié
visant à identifier les déterminants psychosociaux de l’adhésion au TADNI devraient tenir
compte de ces insuffisances afin d’optimiser la capacité de prédiction de cette théorie. De
plus, la capacité de la théorie du comportement planifié pour la prédiction de l’adhésion au
TADNI étant limitée, il serait intéressant que les déterminants identifiés (ex. l’âge, la race,
le copaiement, la continuité des soins, la comorbidité, la dépression, la schizophrénie, la
monothérapie, etc.) dans la revue systématique portant sur les déterminants (voir section
2.8 du chapitre 2) soient pris en compte dans la conception et la mise en œuvre des
interventions visant à améliorer l’adhésion au TADNI.
La 2e étude principale de la thèse a montré que la gestion des effets indésirables au cours
des interventions pourrait améliorer l’adhésion au TADO chez les adultes atteints de
diabète de type 2. Toutefois, on sait que les effets indésirables ne constituent pas la seule
raison de l’adhésion sous-optimale. Que faire avec les personnes ayant une adhésion sous-
optimale au TADO mais qui ne sont pas confrontées au problème d’effets indésirables?
Pour terminer, nous avons observé dans la 3e étude principale de la thèse que l’entretien
166
motivationnel est efficace pour améliorer l’adhésion au traitement médicamenteux pour
plusieurs types de maladies chroniques. Toutefois, cette efficacité étant très petite, il serait
bien d’étudier le mécanisme par lequel l’entretien motivationnel améliore l’adhésion au
traitement médicamenteux, ceci en vue de l’optimiser. De plus, les aspects économiques
tels que le coût-efficacité, l’ajout de temps dû à l’utilisation de cette intervention par les
cliniciens, les coûts et le format de la formation des cliniciens en entretien motivationnel
n’ont été explorés dans aucune des études retenues dans cette revue. Il serait donc pertinent
que ces aspects économiques soient pris en compte dans les futures études d’entretien
motivationnel visant à améliorer l’adhésion au TADO chez les adultes atteints de diabète de
type 2.
167
8 Références bibliographiques
1. Guariguata L, Whiting DR, Hambleton I, Beagley J, Linnenkamp U, Shaw JE. Global estimates of diabetes prevalence for 2013 and projections for 2035. Diabetes Res Clin Pract 2014; 103(2): 137-49.
2. Cho NH, Whiting D, Guariguata L, et al. IDF Diabetes Atlas., 2013.
3. Canadian Diabetes Association Clinical Practice Guidelines Expert Committee. Canadian Diabetes Association 2013 Clinical Practice Guidelines for the Prevention and Management of Diabetes in Canada. Can J Diabetes 2013; 37(suppl 1): S1-S212.
4. Organisation mondiale de la santé (OMS). Aide-mémoire N°312: Diabète. 2011. http://www.who.int/mediacentre/factsheets/fs312/fr/index.html (accessed 13 janvier 2012).
5. Dai S, Gibbons L, Onysko J, Pelletier C, Pelletier L, Roberts KC. Agence de la santé publique du Canada, Le diabète au Canada: Perspective de santé publique sur les faits et chiffres. Diabète. Ottawa, 2011.
6. DIABÈTE: Le Canada à l'heure de la remise en question –Tracer une nouvelle voie. 2011. http://www.diabetes.ca/documents/get-involved/WEB_FR_CDA_Report.pdf.
7. Goldenberg R, Punthakee Z. Canadian Diabetes Association 2013 Clinical Practice Guidelines for the Prevention and Management of Diabetes in Canada: Definition, Classification and Diagnosis of Diabetes, Prediabetes and Metabolic Syndrome. Can J Diabetes 2013; 37(suppl 1): S8-S11.
8. Harper W, Clement M, Goldenberg R, et al. Canadian Diabetes Association 2013 Clinical Practice Guidelines for the Prevention and Management of Diabetes in Canada: Pharmacologic Management of Type 2 Diabetes. Can J Diabetes 2013; 37(suppl 1): S61-S8.
9. Imran SA, Rabasa-Lhoret R, Ross S. Canadian Diabetes Association 2013 Clinical Practice Guidelines for the Prevention and Management of Diabetes in Canada: Targets for Glycemic Control. Can J Diabetes 2013; 37(suppl 1): S31-S4.
10. Harris SB, Ekoe JM, Zdanowicz Y, Webster-Bogaert S. Glycemic control and morbidity in the Canadian primary care setting (results of the diabetes in Canada evaluation study). Diabetes Res Clin Pract 2005; 70(1): 90-7.
11. Guenette L, Moisan J, Breton MC, Sirois C, Gregoire JP. Difficulty adhering to antidiabetic treatment: factors associated with persistence and compliance. Diabetes Metab 2013; 39(3): 250-7.
12. Lee WC, Balu S, Cobden D, Joshi AV, Pashos CL. Medication adherence and the associated health-economic impact among patients with type 2 diabetes mellitus converting to insulin pen therapy: An analysis of third-party managed care claims data. Clinical Therapeutics 2006; 28(10): 1712-25.
13. Nieuwlaat R, Wilczynski N, Navarro T, et al. Interventions for enhancing
168
medication adherence. Cochrane Database Syst Rev 2014; 11: Cd000011.
14. DiMatteo MR. Variations in patients' adherence to medical recommendations: a quantitative review of 50 years of research. Med Care 2004; 42(3): 200-9.
15. Sabaté E. Adherence to long-term therapies : evidence for action. Geneva: World Health Organization; 2003.
16. Glanz K, Bishop DB. The role of behavioral science theory in development and implementation of public health interventions. Annual review of public health 2010; 31: 399-418.
17. Grand dictionnaire terminologique. Office québécois de la langue française. 2007. http://www.granddictionnaire.com/btml/fra/r_motclef/index1024_1.asp (accessed 26 janvier 2012).
18. Sachon C. Le diabète de type 2: Guide à l'usage des patients et de leur entourage. Bash éditions médicales ed. Paris; 2005.
19. Aschner P, Beck-Nielsen H, Phoenix PB, et al. Global Guideline for Type 2 Diabetes, 2012.
20. Sacks DB. A1C versus glucose testing: a comparison. Diabetes Care 2011; 34(2): 518-23.
21. Pan A, Sun Q, Bernstein AM, et al. Red meat consumption and risk of type 2 diabetes: 3 cohorts of US adults and an updated meta-analysis. Am J Clin Nutr 2011; 94(4): 1088-96.
22. Livesey G, Taylor R, Livesey H, Liu S. Is there a dose-response relation of dietary glycemic load to risk of type 2 diabetes? Meta-analysis of prospective cohort studies. Am J Clin Nutr 2013; 97(3): 584-96.
23. Muraki I, Imamura F, Manson JE, et al. Fruit consumption and risk of type 2 diabetes: results from three prospective longitudinal cohort studies. BMJ 2013; 347: f5001.
24. Hu EA, Pan A, Malik V, Sun Q. White rice consumption and risk of type 2 diabetes: meta-analysis and systematic review. BMJ 2012; 344: e1454.
25. Laaksonen MA, Knekt P, Rissanen H, et al. The relative importance of modifiable potential risk factors of type 2 diabetes: a meta-analysis of two cohorts. European journal of epidemiology 2010; 25(2): 115-24.
26. Willi C, Bodenmann P, Ghali WA, Faris PD, Cornuz J. Active smoking and the risk of type 2 diabetes: a systematic review and meta-analysis. JAMA 2007; 298(22): 2654-64.
27. Holliday EG, Magee CA, Kritharides L, Banks E, Attia J. Short sleep duration is associated with risk of future diabetes but not cardiovascular disease: a prospective study and meta-analysis. PLoS One 2013; 8(11): e82305.
28. Zhu B, Wu X, Wang X, Zheng Q, Sun G. The Association Between Passive Smoking and Type 2 Diabetes: A Meta-Analysis. Asia Pac J Public Health 2014; 26(3): 226-37.
169
29. Kodama S, Horikawa C, Fujihara K, et al. Quantitative relationship between body weight gain in adulthood and incident type 2 diabetes: a meta-analysis. Obes Rev 2014; 15(3): 202-14.
30. Kodama S, Horikawa C, Fujihara K, et al. Comparisons of the strength of associations with future type 2 diabetes risk among anthropometric obesity indicators, including waist-to-height ratio: a meta-analysis. Am J Epidemiol 2012; 176(11): 959-69.
31. Hasan SS, Clavarino AM, Mamun AA, Doi SA, Kairuz T. Population impact of depression either as a risk factor or consequence of type 2 diabetes in adults: a meta-analysis of longitudinal studies. Asian journal of psychiatry 2013; 6(6): 460-72.
32. Muris DM, Houben AJ, Schram MT, Stehouwer CD. Microvascular dysfunction is associated with a higher incidence of type 2 diabetes mellitus: a systematic review and meta-analysis. Arterioscler Thromb Vasc Biol 2012; 32(12): 3082-94.
33. Wang X, Bao W, Liu J, et al. Inflammatory markers and risk of type 2 diabetes: a systematic review and meta-analysis. Diabetes Care 2013; 36(1): 166-75.
34. Song Y, Wang L, Pittas AG, et al. Blood 25-hydroxy vitamin D levels and incident type 2 diabetes: a meta-analysis of prospective studies. Diabetes Care 2013; 36(5): 1422-8.
35. Yi R, Liu B, Dong Q. Assessment of the association between GSTM1 null genotype and risk of type 2 diabetes. Molecular biology reports 2013; 40(6): 3961-7.
36. Yin YW, Hu AM, Sun QQ, et al. Association between interleukin 10 gene -1082 A/G polymorphism and the risk of type 2 diabetes mellitus: a meta-analysis of 4250 subjects. Cytokine 2013; 62(2): 226-31.
37. Harder T, Rodekamp E, Schellong K, Dudenhausen JW, Plagemann A. Birth weight and subsequent risk of type 2 diabetes: a meta-analysis. Am J Epidemiol 2007; 165(8): 849-57.
38. Ekoé J-M, Punthakee Z, Ransom T, Prebtani APM, Goldenberg R. Canadian Diabetes Association 2013 Clinical Practice Guidelines for the Prevention and Management of Diabetes in Canada: Screening for type 1 and type 2 Diabetes. Can J Diabetes 2013; 37.
39. Colagiuri S, Dickinson S, Girgis S, Colagiuri R. National evidence based guideline for blood glucose control in type 2 diabetes., 2009.
40. ADA. Standards of medical care in diabetes--2013. Diabetes Care 2013; 36 Suppl 1: S11-66.
41. HAS. Stratégie médicamenteuse du contrôle glycémique du diabète de type 2: Méthode « Recommandations pour la pratique clinique »: Haute autorité de santé, 2013.
42. NICE. The National Collaborating Centre for Chronic Conditions. Type 2 diabetes : the management of type 2 diabetes. NICE clinical guideline 87 London: Royal College of Physicians, 2009.
43. Hemmingsen B, Lund SS, Gluud C, et al. Targeting intensive glycaemic control versus targeting conventional glycaemic control for type 2 diabetes mellitus. Cochrane Database Syst Rev 2013; 11: Cd008143.
170
44. Buehler AM, Cavalcanti AB, Berwanger O, et al. Effect of tight blood glucose control versus conventional control in patients with type 2 diabetes mellitus: a systematic review with meta-analysis of randomized controlled trials. Cardiovascular therapeutics 2013; 31(3): 147-60.
45. Zhang CY, Sun AJ, Zhang SN, et al. Effects of intensive glucose control on incidence of cardiovascular events in patients with type 2 diabetes: a meta-analysis. Annals of medicine 2010; 42(4): 305-15.
46. Marso SP, Kennedy KF, House JA, McGuire DK. The effect of intensive glucose control on all-cause and cardiovascular mortality, myocardial infarction and stroke in persons with type 2 diabetes mellitus: a systematic review and meta-analysis. Diabetes & vascular disease research : official journal of the International Society of Diabetes and Vascular Disease 2010; 7(2): 119-30.
47. Mannucci E, Monami M, Lamanna C, Gori F, Marchionni N. Prevention of cardiovascular disease through glycemic control in type 2 diabetes: a meta-analysis of randomized clinical trials. Nutrition, metabolism, and cardiovascular diseases : NMCD 2009; 19(9): 604-12.
48. Turnbull FM, Abraira C, Anderson RJ, et al. Intensive glucose control and macrovascular outcomes in type 2 diabetes. Diabetologia 2009; 52(11): 2288-98.
49. Selvin E, Marinopoulos S, Berkenblit G, et al. Meta-analysis: glycosylated hemoglobin and cardiovascular disease in diabetes mellitus. Ann Intern Med 2004; 141(6): 421-31.
50. Zhang Y, Hu G, Yuan Z, Chen L. Glycosylated hemoglobin in relationship to cardiovascular outcomes and death in patients with type 2 diabetes: a systematic review and meta-analysis. PLoS One 2012; 7(8): e42551.
51. Erqou S, Lee CT, Suffoletto M, et al. Association between glycated haemoglobin and the risk of congestive heart failure in diabetes mellitus: systematic review and meta-analysis. European journal of heart failure 2013; 15(2): 185-93.
52. Stettler C, Allemann S, Juni P, et al. Glycemic control and macrovascular disease in types 1 and 2 diabetes mellitus: Meta-analysis of randomized trials. Am Heart J 2006; 152(1): 27-38.
53. Adler AI, Erqou S, Lima TA, Robinson AH. Association between glycated haemoglobin and the risk of lower extremity amputation in patients with diabetes mellitus-review and meta-analysis. Diabetologia 2010; 53(5): 840-9.
54. Wang Y, Lammi-Keefe CJ, Hou L, Hu G. Impact of low-density lipoprotein cholesterol on cardiovascular outcomes in people with type 2 diabetes: a meta-analysis of prospective cohort studies. Diabetes Res Clin Pract 2013; 102(1): 65-75.
55. Reboldi G, Gentile G, Angeli F, Ambrosio G, Mancia G, Verdecchia P. Effects of intensive blood pressure reduction on myocardial infarction and stroke in diabetes: a meta-analysis in 73,913 patients. J Hypertens 2011; 29(7): 1253-69.
56. Inzucchi SE, Bergenstal RM, Buse JB, et al. Management of hyperglycaemia in type
171
2 diabetes: a patient-centered approach. Position statement of the American Diabetes Association (ADA) and the European Association for the Study of Diabetes (EASD). Diabetologia 2012; 55(6): 1577-96.
57. Dodd AH, Colby MS, Boye KS, Fahlman C, Kim S, Briefel RR. Treatment approach and HbA1c control among US adults with type 2 diabetes: NHANES 1999-2004. Curr Med Res Opin 2009; 25(7): 1605-13.
58. Tielmans A, Laloi-Michelin M, Coupaye M, Virally M, Meas T, Guillausseau PJ. [Drug treatment of type 2 diabetes]. Presse Med 2007; 36(2 Pt 2): 269-78.
59. Lu J, Zang J, Li H. Impact of three oral antidiabetic drugs on markers of beta-cell function in patients with type 2 diabetes: a meta-analysis. PLoS One 2013; 8(10): e76713.
60. Hirst JA, Farmer AJ, Ali R, Roberts NW, Stevens RJ. Quantifying the effect of metformin treatment and dose on glycemic control. Diabetes Care 2012; 35(2): 446-54.
61. Louisa M, Takeuchi M, Takeuchi M, Nafrialdi, Setiabudy R. A meta-analysis on treatment effects of thiazolidinediones for type 2 diabetes mellitus in Asian populations. Acta medica Indonesiana 2011; 43(1): 39-52.
62. Clar C, Royle P, Waugh N. Adding pioglitazone to insulin containing regimens in type 2 diabetes: systematic review and meta-analysis. PLoS One 2009; 4(7): e6112.
63. Tan A, Cao Y, Xia N, Mo Z, Gao F. The addition of pioglitazone in type 2 diabetics poorly controlled on insulin therapy: a meta-analysis. Eur J Intern Med 2010; 21(5): 398-403.
64. He S, Tang YH, Zhao G, Yang X, Wang D, Zhang Y. Pioglitazone prescription increases risk of bladder cancer in patients with type 2 diabetes: an updated meta-analysis. Tumour biology : the journal of the International Society for Oncodevelopmental Biology and Medicine 2014; 35(3): 2095-102.
65. Hirst JA, Farmer AJ, Dyar A, Lung TW, Stevens RJ. Estimating the effect of sulfonylurea on HbA1c in diabetes: a systematic review and meta-analysis. Diabetologia 2013; 56(5): 973-84.
66. Zhang F, Xiang H, Fan Y, et al. The effects of sulfonylureas plus metformin on lipids, blood pressure, and adverse events in type 2 diabetes: a meta-analysis of randomized controlled trials. Endocrine 2013; 44(3): 648-58.
67. Tielmans A, Virally M, Coupaye M, Laloi-Michelin M, Meas T, Guillausseau PJ. [Drug treatment in type 2 diabetes (part 2)]. Presse Med 2007; 36(3 Pt 2): 467-74.
68. Hanefeld M, Cagatay M, Petrowitsch T, Neuser D, Petzinna D, Rupp M. Acarbose reduces the risk for myocardial infarction in type 2 diabetic patients: meta-analysis of seven long-term studies. Eur Heart J 2004; 25(1): 10-6.
69. van de Laar FA, Lucassen PL, Akkermans RP, van de Lisdonk EH, Rutten GE, van Weel C. Alpha-glucosidase inhibitors for patients with type 2 diabetes: results from a Cochrane systematic review and meta-analysis. Diabetes Care 2005; 28(1): 154-63.
70. Liu X, Xiao Q, Zhang L, et al. The long-term efficacy and safety of DPP-IV
172
inhibitors monotherapy and in combination with metformin in 18,980 patients with type-2 diabetes mellitus--a meta-analysis. Pharmacoepidemiol Drug Saf 2014; 23(7): 687-98.
71. Park H, Park C, Kim Y, Rascati KL. Efficacy and safety of dipeptidyl peptidase-4 inhibitors in type 2 diabetes: meta-analysis. Ann Pharmacother 2012; 46(11): 1453-69.
72. Katout M, Zhu H, Rutsky J, et al. Effect of GLP-1 mimetics on blood pressure and relationship to weight loss and glycemia lowering: results of a systematic meta-analysis and meta-regression. Am J Hypertens 2014; 27(1): 130-9.
73. Nikfar S, Abdollahi M, Salari P. The efficacy and tolerability of exenatide in comparison to placebo; a systematic review and meta-analysis of randomized clinical trials. J Pharm Pharm Sci 2012; 15(1): 1-30.
74. Vrijens B, De Geest S, Hughes DA, et al. A new taxonomy for describing and defining adherence to medications. Br J Clin Pharmacol 2012; 73(5): 691-705.
75. Haynes RB, Sackett DL. Compliance with therapeutic regimens. Baltimore: Johns Hopkins University Press; 1976.
76. Haynes RB, Taylor DW, Sackett DL. Compliance in health care. Baltimore: Johns Hopkins University Press; 1979.
77. Dracup KA, Meleis AI. Compliance: an interactionist approach. Nurs Res 1982; 31(1): 31-6.
78. Urquhart J. The electronic medication event monitor. Lessons for pharmacotherapy. Clin Pharmacokinet 1997; 32(5): 345-56.
79. Meichenbaum D, Turk DC. Facilitating treatment adherence : a practitioner's guidebook. New York: Plenum Press; 1987.
80. Miller NH, Hill M, Kottke T, Ockene IS. The multilevel compliance challenge: recommendations for a call to action. A statement for healthcare professionals. Circulation 1997; 95(4): 1085-90.
81. Balkrishnan R. The importance of medication adherence in improving chronic-disease related outcomes: what we know and what we need to further know. Med Care 2005; 43(6): 517-20.
82. From Compliance to Concordance: Towards Shared Goals in Medicine Taking. Royal Pharmaceutical Society of Great Britain. London. 1997.
83. Mullen PD. Compliance becomes concordance. Bmj 1997; 314(7082): 691-2.
84. Marinker M. The current status of compliance. European respiratory review : an official journal of the European Respiratory Society 1998; 8: 235–38.
85. Urquhart J. Some economic consequences of noncompliance. Curr Hypertens Rep 2001; 3(6): 473-80.
86. Wahl C, Gregoire JP, Teo K, et al. Concordance, compliance and adherence in healthcare: closing gaps and improving outcomes. Healthc Q 2005; 8(1): 65-70.
87. Sikka R, Xia F, Aubert RE. Estimating medication persistency using administrative
173
claims data. Am J Manag Care 2005; 11(7): 449-57.
88. Cramer JA, Roy A, Burrell A, et al. Medication compliance and persistence: terminology and definitions. Value Health 2008; 11(1): 44-7.
89. Osterberg L, Blaschke T. Adherence to medication. N Engl J Med 2005; 353(5): 487-97.
90. Gossec L, Tubach F, Dougados M, Ravaud P. Reporting of adherence to medication in recent randomized controlled trials of 6 chronic diseases: a systematic literature review. Am J Med Sci 2007; 334(4): 248-54.
91. Zhang Z, Peluso MJ, Gross CP, Viscoli CM, Kernan WN. Adherence reporting in randomized controlled trials. Clin Trials 2014; 11(2): 195-204.
92. Shi L, Liu J, Fonseca V, Walker P, Kalsekar A, Pawaskar M. Correlation between adherence rates measured by MEMS and self-reported questionnaires: a meta-analysis. Health Qual Life Outcomes 2010; 8: 99.
93. Lavsa SM, Holzworth A, Ansani NT. Selection of a validated scale for measuring medication adherence. J Am Pharm Assoc (2003) 2011; 51(1): 90-4.
94. Culig J, Leppee M. From Morisky to Hill-bone; self-reports scales for measuring adherence to medication. Coll Antropol 2014; 38(1): 55-62.
95. Morisky DE, Ang A, Krousel-Wood M, Ward HJ. Predictive validity of a medication adherence measure in an outpatient setting. J Clin Hypertens (Greenwich) 2008; 10(5): 348-54.
96. Wong MC, Wu CH, Wang HH, et al. Association between the eight-item Morisky Medication Adherence Scale (MMAS-8) score and glycaemic control among Chinese diabetes patients. J Clin Pharmacol 2014.
97. Sattler EL, Lee JS, Perri M, 3rd. Medication (re)fill adherence measures derived from pharmacy claims data in older Americans: a review of the literature. Drugs Aging 2013; 30(6): 383-99.
98. Karve S, Cleves MA, Helm M, Hudson TJ, West DS, Martin BC. An empirical basis for standardizing adherence measures derived from administrative claims data among diabetic patients. Med Care 2008; 46(11): 1125-33.
99. Karve S, Cleves MA, Helm M, Hudson TJ, West DS, Martin BC. Good and poor adherence: optimal cut-point for adherence measures using administrative claims data. Curr Med Res Opin 2009; 25(9): 2303-10.
100. Cramer JA. A systematic review of adherence with medications for diabetes. Diabetes Care 2004; 27(5): 1218-24.
101. Hagen SE, Wright DW, Finch R, Talamonti WJ, Edington DW. Impact of compliance to oral hypoglycemic agents on short-term disability costs in an employer population. Popul Health Manag 2014; 17(1): 35-41.
102. Sacks NC, Burgess JF, Cabral HJ, Pizer SD, McDonnell ME. Cost Sharing and Decreased Branded Oral Anti-Diabetic Medication Adherence Among Elderly Part D
174
Medicare Beneficiaries. Journal of General Internal Medicine 2013; 28(7): 876-85.
103. Quilliam BJ, Ozbay AB, Sill BE, Kogut SJ. The association between adherence to oral anti-diabetic drugs and hypoglycaemia in persons with Type 2 diabetes. Diabet Med 2013; 30(11): 1305-13.
104. Malmenas M, Bouchard JR, Langer J. Retrospective real-world adherence in patients with type 2 diabetes initiating once-daily liraglutide 1.8 mg or twice-daily exenatide 10 mug. Clin Ther 2013; 35(6): 795-807.
105. Curkendall SM, Thomas N, Bell KF, Juneau PL, Weiss AJ. Predictors of medication adherence in patients with type 2 diabetes mellitus. Curr Med Res Opin 2013; 29(10): 1275-86.
106. Bryson CL, Au DH, Maciejewski ML, et al. Wide clinic-level variation in adherence to oral diabetes medications in the VA. J Gen Intern Med 2013; 28(5): 698-705.
107. Zhu VJ, Marrero DG, Tu W, Rosenman MB, Overahge MJ. Oral hypoglycemic agent adherence and hospitalization among patients with type 2 diabetes: A call for enhanced guidelines. Pharmacoepidemiology and Drug Safety 2012; 21: 29.
108. Jonikas MA, Mandl KD. Surveillance of medication use: early identification of poor adherence. J Am Med Inform Assoc 2012; 19(4): 649-54.
109. Zhu VJ, Tu W, Marrero DG, Rosenman MB, Overhage JM. Race and medication adherence and glycemic control: findings from an operational health information exchange. AMIA Annual Symposium proceedings / AMIA Symposium AMIA Symposium 2011; 2011: 1649-57.
110. Zhang Q, Zhao C, Davies MJ, Radican L, Seck T. Compliance and persistence with concomitant statin and oral antihyperglycemic therapy. Am J Manag Care 2011; 17(11): 746-52.
111. Pollack MF, Purayidathil FW, Bolge SC, Williams SA. Patient-reported tolerability issues with oral antidiabetic agents: Associations with adherence; treatment satisfaction and health-related quality of life. Diabetes Res Clin Pract 2010; 87(2): 204-10.
112. Kim N, Agostini JV, Justice AC. Refill adherence to oral hypoglycemic agents and glycemic control in veterans. Ann Pharmacother 2010; 44(5): 800-8.
113. Gregoire JP, Sirois C, Blanc G, Poirier P, Moisan J. Persistence patterns with oral antidiabetes drug treatment in newly treated patients--a population-based study. Value Health 2010; 13(6): 820-8.
114. Grimes RT, Bennett K, Tilson L, Usher C, Smith SM, Henman MC. Initial therapy, persistence and regimen change in a cohort of newly treated type 2 diabetes patients. Br J Clin Pharmacol 2014.
115. O'Shea MP, Teeling M, Bennett K. An observational study examining the effect of comorbidity on the rates of persistence and adherence to newly initiated oral anti-hyperglycaemic agents. Pharmacoepidemiol Drug Saf 2013; 22(12): 1336-44.
116. Vittorino Gaddi A, Benedetto D, Capello F, et al. Oral antidiabetic therapy in a large
175
Italian sample: drug supply and compliance for different therapeutic regimens. Public Health 2014; 128(1): 70-6.
117. Rathmann W, Kostev K, Gruenberger JB, Dworak M, Bader G, Giani G. Treatment persistence, hypoglycaemia and clinical outcomes in type 2 diabetes patients with dipeptidyl peptidase-4 inhibitors and sulphonylureas: a primary care database analysis. Diabetes Obes Metab 2013; 15(1): 55-61.
118. Chen CC, Tseng CH, Cheng SH. Continuity of care, medication adherence, and health care outcomes among patients with newly diagnosed type 2 diabetes: a longitudinal analysis. Med Care 2013; 51(3): 231-7.
119. Hong JS, Kang HC. Relationship between oral antihyperglycemic medication adherence and hospitalization, mortality, and healthcare costs in adult ambulatory care patients with type 2 diabetes in South Korea. Med Care 2011; 49(4): 378-84.
120. Jamous RM, Sweileh WM, Abu-Taha AS, Sawalha AF, Zyoud SH, Morisky DE. Adherence and satisfaction with oral hypoglycemic medications: a pilot study in Palestine. Int J Clin Pharm 2011; 33(6): 942-8.
121. Al-Qazaz H, Sulaiman SA, Hassali MA, et al. Diabetes knowledge, medication adherence and glycemic control among patients with type 2 diabetes. Int J Clin Pharm 2011; 33(6): 1028-35.
122. Wong MC, Kong AP, So WY, Jiang JY, Chan JC, Griffiths SM. Adherence to oral hypoglycemic agents in 26,782 Chinese patients: a cohort study. J Clin Pharmacol 2011; 51(10): 1474-82.
123. Choudhry NK, Shrank WH, Levin RL, et al. Measuring concurrent adherence to multiple related medications. Am J Manag Care 2009; 15(7): 457-64.
124. Ho PM, Rumsfeld JS, Masoudi FA, et al. Effect of medication nonadherence on hospitalization and mortality among patients with diabetes mellitus. Arch Intern Med 2006; 166(17): 1836-41.
125. Gibson TB, Song X, Alemayehu B, et al. Cost sharing, adherence, and health outcomes in patients with diabetes. Am J Manag Care 2010; 16(8): 589-600.
126. Hong JS, Kang HC. Relationship Between Oral Antihyperglycemic Medication Adherence and Hospitalization, Mortality, and Healthcare Costs in Adult Ambulatory Care Patients With Type 2 Diabetes in South Korea. Medical Care 2011; 49(4): 378-84.
127. Ho PM, Rumsfeld JS, Masoudi FA, et al. Effect of medication nonadherence on hospitalization and mortality among patients with diabetes mellitus. Archives of Internal Medicine 2006; 166(17): 1836-41.
128. Lau DT, Nau DP. Oral antihyperglycemic medication nonadherence and subsequent hospitalization among individuals with type 2 diabetes. Diabetes Care 2004; 27(9): 2149-53.
129. Hansen RA, Farley JF, Droege M, Maciejewski ML. A retrospective cohort study of economic outcomes and adherence to monotherapy with metformin, pioglitazone, or a sulfonylurea among patients with type 2 diabetes mellitus in the united states from 2003 to
176
2005. Clinical Therapeutics 2010; 32(7): 1308-19.
130. Patel I, Chang J, Shenolikar RA, Balkrishnan R. Medication adherence in low income elderly type-2 diabetes patients: A retrospective cohort study. International Journal of Diabetes Mellitus 2010; 2(2): 122-4.
131. Yang Y, Thumula V, Pace PF, Banahan BF, 3rd, Wilkin NE, Lobb WB. Predictors of medication nonadherence among patients with diabetes in Medicare Part D programs: a retrospective cohort study. Clin Ther 2009; 31(10): 2178-88; discussion 50-1.
132. Lee R, Taira DA. Adherence to oral hypoglycemic agents in Hawaii. Prev Chronic Dis 2005; 2(2): A09.
133. Shenolikar RA, Balkrishnan R, Camacho FT, Whitmire JT, Anderson RT. Comparison of medication adherence and associated health care costs after introduction of pioglitazone treatment in African Americans versus all other races in patients with type 2 diabetes mellitus: A retrospective data analysis. Clinical Therapeutics 2006; 28(8): 1199-207.
134. Shenolikar RA, Balkrishnan R, Camacho FT, Whitmire JT, Anderson RT. Race and medication adherence in Medicaid enrollees with type-2 diabetes. J Natl Med Assoc 2006; 98(7): 1071-7.
135. Colombi AM, Yu-Isenberg K, Priest J. The effects of health plan copayments on adherence to oral diabetes medication and health resource utilization. J Occup Environ Med 2008; 50(5): 535-41.
136. Kalsekar I, Sheehan C, Peak A. Utilization patterns and medication adherence in patients with type 2 diabetes: variations based on type of pharmacy (chain vs independent). Res Social Adm Pharm 2007; 3(4): 378-91.
137. Kreyenbuhl J, Dixon LB, McCarthy JF, Soliman S, Ignacio RV, Valenstein M. Does adherence to medications for type 2 diabetes differ between individuals with vs without schizophrenia? Schizophr Bull 2010; 36(2): 428-35.
138. Kalsekar ID, Madhavan SS, Amonkar MM, et al. Depression in patients with type 2 diabetes: impact on adherence to oral hypoglycemic agents. Ann Pharmacother 2006; 40(4): 605-11.
139. Vanderpoel DR, Hussein MA, Watson-Heidari T, Perry A. Adherence to a fixed-dose combination of rosiglitazone maleate/metformin hydrochloride in subjects with type 2 diabetes mellitus: a retrospective database analysis. Clin Ther 2004; 26(12): 2066-75.
140. Melikian C, White TJ, Vanderplas A, Dezii CM, Chang E. Adherence to oral antidiabetic therapy in a managed care organization: a comparison of monotherapy, combination therapy, and fixed-dose combination therapy. Clin Ther 2002; 24(3): 460-7.
141. Zwikker HE, van den Bemt BJ, Vriezekolk JE, van den Ende CH, van Dulmen S. Psychosocial predictors of non-adherence to chronic medication: systematic review of longitudinal studies. Patient Prefer Adherence 2014; 8: 519-63.
142. Godin G. Les comportements dans le domaine de la santé : comprendre pour mieux intervenir. Montréal: Presses de l'Université de Montréal; 2012.
177
143. Rimer B.K., K G. Theory at a Glance: A Guide to Health Promotion Practice. In: U.S. Department of Health and Human Services NIoH, National Cancer Institute, editor.; 2005.
144. Noar SM, Palmgreen P, Chabot M, Dobransky N, Zimmerman RS. A 10-year systematic review of HIV/AIDS mass communication campaigns: Have we made progress? J Health Commun 2009; 14(1): 15-42.
145. Noar SM, Black HG, Pierce LB. Efficacy of computer technology-based HIV prevention interventions: a meta-analysis. AIDS (London, England) 2009; 23(1): 107-15.
146. Lustria ML, Cortese J, Noar SM, Glueckauf RL. Computer-tailored health interventions delivered over the Web: review and analysis of key components. Patient Educ Couns 2009; 74(2): 156-73.
147. Lopez LM, Tolley EE, Grimes DA, Chen-Mok M. Theory-based interventions for contraception. Cochrane Database Syst Rev 2009; (1): CD007249.
148. Albada A, Ausems MG, Bensing JM, van Dulmen S. Tailored information about cancer risk and screening: a systematic review. Patient Educ Couns 2009; 77(2): 155-71.
149. Noar SM. Behavioral interventions to reduce HIV-related sexual risk behavior: review and synthesis of meta-analytic evidence. AIDS Behav 2008; 12(3): 335-53.
150. Joronen K, Rankin SH, Astedt-Kurki P. School-based drama interventions in health promotion for children and adolescents: systematic review. J Adv Nurs 2008; 63(2): 116-31.
151. Noar SM, Benac CN, Harris MS. Does tailoring matter? Meta-analytic review of tailored print health behavior change interventions. Psychological bulletin 2007; 133(4): 673-93.
152. Trifiletti LB, Gielen AC, Sleet DA, Hopkins K. Behavioral and social sciences theories and models: are they used in unintentional injury prevention research? Health Educ Res 2005; 20(3): 298-307.
153. Legler J, Meissner HI, Coyne C, Breen N, Chollette V, Rimer BK. The effectiveness of interventions to promote mammography among women with historically lower rates of screening. Cancer Epidemiol Biomarkers Prev 2002; 11(1): 59-71.
154. Ammerman AS, Lindquist CH, Lohr KN, Hersey J. The efficacy of behavioral interventions to modify dietary fat and fruit and vegetable intake: a review of the evidence. Prev Med 2002; 35(1): 25-41.
155. Webb TL, Joseph J, Yardley L, Michie S. Using the internet to promote health behavior change: a systematic review and meta-analysis of the impact of theoretical basis, use of behavior change techniques, and mode of delivery on efficacy. J Med Internet Res 2010; 12(1): e4.
156. Ajzen I, Fishbein M. Attitude-Behavior Relations: A Theoretical Analysis and Review of Empirical Research. Psyhological Bulletin 1977; 84(5): 888-918.
157. Ajzen I. The theory of Planned Behavior. Organizational Behavior and human decision processes 1991; 50: 179-211.
178
158. Ajzen I, Fishbein M. Understanding attitudes and predicting social behavior: Englewood Cliffs, NJ: Prentice-Hall. ; 1980.
159. Fishbein M, Ajzen I. Belief, attitude, intention, and behavior: An introduction to theory and research.: Reading, MA: Addison-Wesley.; 1975.
160. Riebl SK, Estabrooks PA, Dunsmore JC, et al. A systematic literature review and meta-analysis: The Theory of Planned Behavior's application to understand and predict nutrition-related behaviors in youth. Eating behaviors 2015; 18: 160-78.
161. Husebo AM, Dyrstad SM, Soreide JA, Bru E. Predicting exercise adherence in cancer patients and survivors: a systematic review and meta-analysis of motivational and behavioural factors. J Clin Nurs 2013; 22(1-2): 4-21.
162. Bednall TC, Bove LL, Cheetham A, Murray AL. A systematic review and meta-analysis of antecedents of blood donation behavior and intentions. Soc Sci Med 2013; 96: 86-94.
163. McEachan RRC, Conner M, Taylor NJ, Lawton RJ. Prospective prediction of health-related behaviours with the Theory of Planned Behaviour: a meta-analysis. Health Psychology Review 2011; 26(9): 1-48.
164. Topa G, Moriano JA. Theory of planned behavior and smoking: meta-analysis and SEM model. Substance abuse and rehabilitation 2010; 1: 23-33.
165. Armitage CJ, Conner M. Efficacy of the Theory of Planned Behaviour: a meta-analytic review. Br J Soc Psychol 2001; 40(Pt 4): 471-99.
166. Godin G, Kok G. The theory of planned behavior: a review of its applications to health-related behaviors. Am J Health Promot 1996; 11(2): 87-98.
167. Haynes RB, Ackloo E, Sahota N, McDonald HP, Yao X. Interventions for enhancing medication adherence. Cochrane Database Syst Rev 2008; (2): CD000011.
168. Vermeire E, Wens J, Van Royen P, Biot Y, Hearnshaw H, Lindenmeyer A. Interventions for improving adherence to treatment recommendations in people with type 2 diabetes mellitus. Cochrane Database Syst Rev 2005; (2): CD003638.
169. Wens J, Vermeire E, Hearnshaw H, Lindenmeyer A, Biot Y, Van Royen P. Educational interventions aiming at improving adherence to treatment recommendations in type 2 diabetes: A sub-analysis of a systematic review of randomised controlled trials. Diabetes Res Clin Pract 2008; 79(3): 377-88.
170. Zomahoun HTV, Guénette L, Grégoire JP, Moisan J. Revue systématique des interventions visant à améliorer l’adhésion au traitement antidiabétique oral. Revue d¿Epidémiologie et de Santé Publique 2012; 60: S103-S.
171. Boutron I, Moher D, Altman DG, Schulz KF, Ravaud P. Extending the CONSORT statement to randomized trials of nonpharmacologic treatment: explanation and elaboration. Ann Intern Med 2008; 148(4): 295-309.
172. Boutron I, Moher D, Altman DG, Schulz KF, Ravaud P. Methods and processes of the CONSORT Group: example of an extension for trials assessing nonpharmacologic
179
treatments. Ann Intern Med 2008; 148(4): W60-6.
173. Bogner HR, de Vries HF. Integrating type 2 diabetes mellitus and depression treatment among African Americans: a randomized controlled pilot trial. Diabetes Educ 2010; 36(2): 284-92.
174. Khan MA, Shah S, Grudzien A, et al. A diabetes education multimedia program in the waiting room setting. Diabetes Ther 2011; 2(3): 178-88.
175. Rubak S, Sandbaek A, Lauritzen T, Borch-Johnsen K, Christensen B. Effect of "motivational interviewing" on quality of care measures in screen detected type 2 diabetes patients: a one-year follow-up of an RCT, ADDITION Denmark. Scand J Prim Health Care 2011; 29(2): 92-8.
176. Walker EA, Shmukler C, Ullman R, Blanco E, Scollan-Koliopoulus M, Cohen HW. Results of a successful telephonic intervention to improve diabetes control in urban adults: a randomized trial. Diabetes Care 2011; 34(1): 2-7.
177. Wolever RQ, Dreusicke M, Fikkan J, et al. Integrative health coaching for patients with type 2 diabetes: a randomized clinical trial. Diabetes Educ 2010; 36(4): 629-39.
178. Abraham C, Michie S. A taxonomy of behavior change techniques used in interventions. Health Psychol 2008; 27(3): 379-87.
179. Walker EA, Shmukler C, Ullman R, Blanco E, Scollan-Koliopoulus M, Cohen HW. Results of a Successful Telephonic Intervention to Improve Diabetes Control in Urban Adults A randomized trial. Diabetes Care 2011; 34(1): 2-7.
180. Bogner HR, Vries HF. Integrating type 2 diabetes mellitus and depression treatment among African Americans: a randomized controlled pilot trial. The Diabetes educator, 2010. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/779/CN-00748779/frame.html (accessed.
181. Doggrell SA. Does intervention by an allied health professional discussing adherence to medicines improve this adherence in Type 2 diabetes? Diabet Med 2010; 27(12): 1341-9.
182. Soderlund LL, Madson MB, Rubak S, Nilsen P. A systematic review of motivational interviewing training for general health care practitioners. Patient Educ Couns 2011; 84(1): 16-26.
183. Harvey JN, Lawson VL. The importance of health belief models in determining self-care behaviour in diabetes. Diabet Med 2009; 26(1): 5-13.
184. Bartholomew LK, Parcel GS, Kok G. Intervention mapping: a process for developing theory- and evidence-based health education programs. Health Educ Behav 1998; 25(5): 545-63.
185. Rollnick S, Miller WR. What is motivational interviewing? Behav Cognit Psychother 1995; 23: 325-34.
186. Miller WR, Rollnick S. Ten things that motivational interviewing is not. Behav Cogn Psychother 2009; 37(2): 129-40.
180
187. Miller WR, Rollnick S. Motivational interviewing : helping people change. 3rd ed ed. New York, NY: Guilford Press; 2013.
188. Moyers T.B., Martin T., Manuel J.K., Miller W.R., Ernst D. Revised Global Scales: Motivational Interviewing Treatment Integrity 3.0 (MITI 3.0): University of New Mexico. Center on Alcoholism, Substance Abuse and Addictions (CASAA), 2007.
189. Lundahl B, Moleni T, Burke BL, et al. Motivational interviewing in medical care settings: a systematic review and meta-analysis of randomized controlled trials. Patient Educ Couns 2013; 93(2): 157-68.
190. Smedslund G, Berg Rigmor C, Hammerstrøm Karianne T, et al. Motivational interviewing for substance abuse. Cochrane Database of Systematic Reviews, 2011. http://onlinelibrary.wiley.com/doi/10.1002/14651858.CD008063.pub2/abstract (accessed.
191. Lai DT, Cahill K, Qin Y, Tang JL. Motivational interviewing for smoking cessation. Cochrane Database Syst Rev 2010; (1): CD006936.
192. Hettema JE, Hendricks PS. Motivational interviewing for smoking cessation: a meta-analytic review. J Consult Clin Psychol 2010; 78(6): 868-84.
193. Heckman CJ, Egleston BL, Hofmann MT. Efficacy of motivational interviewing for smoking cessation: a systematic review and meta-analysis. Tob Control 2010; 19(5): 410-6.
194. Hettema J, Steele J, Miller WR. Motivational interviewing. Annu Rev Clin Psychol 2005; 1: 91-111.
195. Rubak S, Sandbaek A, Lauritzen T, Christensen B. Motivational interviewing: a systematic review and meta-analysis. Br J Gen Pract 2005; 55(513): 305-12.
196. Hill S, Kavookjian J. Motivational interviewing as a behavioral intervention to increase HAART adherence in patients who are HIV-positive: a systematic review of the literature. AIDS Care 2012; 24(5): 583-92.
197. Drymalski WM, Campbell TC. A review of Motivational Interviewing to enhance adherence to antipsychotic medication in patients with schizophrenia: Evidence and recommendations. Journal of Mental Health, 2009; 18(1): 6-15.
198. Cooperman NA, Arnsten JH. Motivational interviewing for improving adherence to antiretroviral medications. Curr HIV/AIDS Rep 2005; 2(4): 159-64.
199. Easthall C, Song F, Bhattacharya D. A meta-analysis of cognitive-based behaviour change techniques as interventions to improve medication adherence. BMJ Open 2013; 3(8).
200. Schectman JM, Nadkarni MM, Voss JD. The association between diabetes metabolic control and drug adherence in an indigent population. Diabetes Care 2002; 25(6): 1015-21.
201. Pladevall M, Williams LK, Potts LA, Divine G, Xi H, Lafata JE. Clinical outcomes and adherence to medications measured by claims data in patients with diabetes. Diabetes Care 2004; 27(12): 2800-5.
202. Lau DT, Nau DP. Oral antihyperglycemic medication nonadherence and subsequent
181
hospitalization among individuals with type 2 diabetes. Diabetes Care 2004; 27(9): 2149-53.
203. Sokol MC, McGuigan KA, Verbrugge RR, Epstein RS. Impact of medication adherence on hospitalization risk and healthcare cost. Med Care 2005; 43(6): 521-30.
204. Salas M, Hughes D, Zuluaga A, Vardeva K, Lebmeier M. Costs of medication nonadherence in patients with diabetes mellitus: a systematic review and critical analysis of the literature. Value Health 2009; 12(6): 915-22.
205. Vignon Zomahoun HT, de Bruin M, Guillaumie L, et al. Effectiveness and Content Analysis of Interventions to Enhance Oral Antidiabetic Drug Adherence in Adults with Type 2 Diabetes: Systematic Review and Meta-Analysis. Value Health 2015; 18(4): 530-40.
206. Chisholm MA, Williamson GM, Lance CE, Mulloy LL. Predicting adherence to immunosuppressant therapy: a prospective analysis of the theory of planned behaviour. Nephrol Dial Transplant 2007; 22(8): 2339-48.
207. Giguère G. Développement d’un questionnaire sur les déterminants de l’observance du traitement antidiabétique oral [Collection Mémoires et thèses électroniques]. Québec: Université Laval; 2013.
208. Pearlin LI, Lieberman MA, Menaghan EG, Mullan JT. The stress process. Journal of health and social behavior 1981; 22(4): 337-56.
209. Spitzer RL, Kroenke K, Williams JB, Lowe B. A brief measure for assessing generalized anxiety disorder: the GAD-7. Arch Intern Med 2006; 166(10): 1092-7.
210. Kroenke K, Spitzer RL, Williams JB. The Patient Health Questionnaire-2: validity of a two-item depression screener. Med Care 2003; 41(11): 1284-92.
211. Lowe B, Kroenke K, Grafe K. Detecting and monitoring depression with a two-item questionnaire (PHQ-2). J Psychosom Res 2005; 58(2): 163-71.
212. Monahan PO, Lane KA, Hayes RP, McHorney CA, Marrero DG. Reliability and validity of an instrument for assessing patients' perceptions about medications for diabetes: the PAM-D. Qual Life Res 2009; 18(7): 941-52.
213. Kaiser HF. The application of electronic computers to factor analysis. Educational and Psychological Measurement 1960; 20: 141-51.
214. Cattell RB. The scree test for the number of factors. Multivariate Behavioral Research 1966; 1: 245-76.
215. Francis JJ, Eccles MP, Johnston M, et al. Constructing questionnaires based on the theory of planned behaviour: A manual for health services researchers. Centre for Health Services Research, University of Newcastle, United Kingdom; 2004.
216. SAS Institute Inc. 2012. SAS/QC® 9.4 User’s Guide. Cary, NC: SAS Institute Inc. 2012. http://support.sas.com/documentation/cdl/en/qcug/63964/PDF/default/qcug.pdf2013).
217. Maldonado G, Greenland S. Simulation study of confounder-selection strategies. Am J Epidemiol 1993; 138(11): 923-36.
182
218. Belsley DA, Kuh E, Welsch RE. Regression Diagnostics: Identifying Influential Data and Sources of Collinearity New Jersey, United States: A JOHN WILEY & SONS, INC; 1980.
219. Whiting DR, Guariguata L, Weil C, Shaw J. IDF diabetes atlas: global estimates of the prevalence of diabetes for 2011 and 2030. Diabetes Res Clin Pract 2011; 94(3): 311-21.
220. Kozak BM, Tjota MY, Close KL. Journal of Diabetes News. International Diabetes Federation (IDF) highlights growing global impact of diabetes in 5th edition of the Diabetes Atlas. Journal of Diabetes 2012; 4: 8-17.
221. OMS. Organisation mondiale de la santé . Aide-mémoire N°312: Diabète. 2012. http://www.who.int/mediacentre/factsheets/fs312/fr/index.html (accessed /12/12 2012).
222. Clinical Guidelines Task Force. Global Guideline for Type 2 Diabetes. Bruxelles, Belgium: International Diabetes Federation, 2012.
223. Testa MA, Simonson DC. Health economic benefits and quality of life during improved glycemic control in patients with type 2 diabetes mellitus: a randomized, controlled, double-blind trial. JAMA 1998; 280(17): 1490-6.
224. Sherifali D, Nerenberg K, Pullenayegum E, Cheng JE, Gerstein HC. The effect of oral antidiabetic agents on A1C levels: a systematic review and meta-analysis. Diabetes Care 2010; 33(8): 1859-64.
225. Dodd AH, Colby MS, Boye KS, Fahlman C, Kim S, Briefel RR. Treatment approach and HbA(1c) control among US adults with type 2 diabetes: NHANES 1999-2004. Current Medical Research and Opinion 2009; 25(7): 1605-13.
226. Lee WC, Balu S, Cobden D, Joshi AV, Pashos CL. Prevalence and economic consequences of medication adherence in diabetes: a systematic literature review. Manag Care Interface 2006; 19(7): 31-41.
227. Schectman JM, Nadkarni MM, Voss JD. The association between diabetes metabolic control and drug adherence in an indigent population. Diabetes Care 2002; 25(6): 1015-21.
228. Pladevall M, Williams LK, Potts LA, Divine G, Xi H, Lafata JE. Clinical outcomes and adherence to medication's measured by claims data in patients with diabetes. Diabetes Care 2004; 27(12): 2800-5.
229. Sokol MC, McGuigan KA, Verbrugge RR, Epstein RS. Impact of medication adherence on hospitalization risk and healthcare cost. Medical care 2005; 43(6): 521-30.
230. Omran D, Guirguis LM, SH. S. Systematic Review of Pharmacist Interventions to Improve Adherence to Oral Antidiabetic Medications in People with Type 2 Diabetes. Canadian Journal of Diabetes 2012; 36(5): 292-9.
231. Lindenmeyer A, Hearnshaw H, Vermeire E, Van Royen P, Wens J, Biot Y. Interventions to improve adherence to medication in people with type 2 diabetes mellitus: A review of the literature on the role of pharmacists. Journal of Clinical Pharmacy and Therapeutics 2006; 31(5): 409-19.
183
232. Liberati A, Altman DG, Tetzlaff J, et al. The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. J Clin Epidemiol 2009; 62(10): e1-34.
233. Moher D, Liberati A, Tetzlaff J, Altman DG. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. Ann Intern Med 2009; 151(4): 264-9, W64.
234. Guide d’utilisation – EndNote X4. In: Bibliothèque de l'Université Laval, Québec, Québec, Canada, editors.: Université Laval; 2011. p. 52.
235. de Bruin M, Viechtbauer W, Hospers HJ, Schaalma HP, Kok G. Standard care quality determines treatment outcomes in control groups of HAART-adherence intervention studies: implications for the interpretation and comparison of intervention effects. Health Psychol 2009; 28(6): 668-74.
236. de Bruin M, Viechtbauer W, Schaalma HP, Kok G, Abraham C, Hospers HJ. Standard care impact on effects of highly active antiretroviral therapy adherence interventions: A meta-analysis of randomized controlled trials. Arch Intern Med 2010; 170(3): 240-50.
237. NICE. Methods for the development of NICE public health guidance (second edition). London: National Institute for Health and Clinical Excellence. , 2009.
238. Borenstein M, Hedges LV, Higgins JPT, Rothstein HR. Introduction to meta-analysis: John Wiley and Sons, Ltd; 2009.
239. Chinn S. A simple method for converting an odds ratio to effect size for use in meta-analysis. Statistics in Medicine 2000; 19(22): 3127-31.
240. Dersimonian R, Laird N. Metaanalysis in Clinical-Trials. Controlled clinical trials 1986; 7(3): 177-88.
241. Cohen J. Statistical power analysis for the behavioral sciences. 2nd ed. Hillsdale, N.J.: L. Erlbaum Associates; 1988.
242. Higgins JP, Thompson SG. Quantifying heterogeneity in a meta-analysis. Stat Med 2002; 21(11): 1539-58.
243. Higgins JP, Thompson SG, Deeks JJ, Altman DG. Measuring inconsistency in meta-analyses. BMJ 2003; 327(7414): 557-60.
244. Bland JM, Altman DG. Multiple significance tests: the Bonferroni method. BMJ 1995; 310(6973): 170.
245. Duval S, Tweedie R. Trim and fill: A simple funnel-plot-based method of testing and adjusting for publication bias in meta-analysis. Biometrics 2000; 56(2): 455-63.
246. Rendina-Gobioff G, Kromrey JD. PUB_BIAS: A SAS® Macro for Detecting Publication Bias in Meta-Analysis2006. http://analytics.ncsu.edu/sesug/2006/PO04_06.PDF (accessed 2013-12-25).
247. The Cochrane Collaboration, Review Manager (RevMan) [Computer program]. Version 5.2. . 2012.
184
http://tech.cochrane.org/sites/tech.cochrane.org/files/uploads/documents/revman/RevMan_5.2_User_Guide.pdf2013).
248. SAS Institute Inc. 2011. SAS/QC® 9.3 User’s Guide. Cary, NC: SAS Institute Inc. 2011. http://support.sas.com/documentation/cdl/en/qcug/63964/PDF/default/qcug.pdf2013).
249. Landis JR, Koch GG. An application of hierarchical kappa-type statistics in the assessment of majority agreement among multiple observers. Biometrics 1977; 33(2): 363-74.
250. Bogner HR, Morales KH, Vries HF, Cappola AR. Integrated management of type 2 diabetes mellitus and depression treatment to improve medication adherence: a randomized controlled trial. Annals of Family Medicine, 2012. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/752/CN-00814752/frame.html (accessed.
251. Farmer A, Hardeman W, Hughes D, et al. An explanatory randomised controlled trial of a nurse-led, consultation-based intervention to support patients with adherence to taking glucose lowering medication for type 2 diabetes. BMC Fam Pract 2012; 13(1): 30.
252. Lin EH, Korff M, Ciechanowski P, et al. Treatment adjustment and medication adherence for complex patients with diabetes, heart disease, and depression: a randomized controlled trial. Annals of Family Medicine, 2012. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/753/CN-00814753/frame.html (accessed.
253. Odegard PS, Christensen DB. MAP study: RCT of a medication adherence program for patients with type 2 diabetes. Journal of the American Pharmacists Association 2012; 52(6): 753-+.
254. Zolfaghari M, Mousavifar SA, Pedram S, Haghani H. The impact of nurse short message services and telephone follow-ups on diabetic adherence: which one is more effective? Journal of Clinical Nursing 2012; 21(13-14): 1922-31.
255. Brennan TA, Dollear TJ, Hu M, et al. An Integrated Pharmacy-Based Program Improved Medication Prescription And Adherence Rates In Diabetes Patients. Health Affairs 2012; 31(1): 120-9.
256. Heisler M, Vijan S, Makki F, Piette JD. Diabetes control with reciprocal peer support versus nurse care management: a randomized trial. Annals of Internal Medicine, 2010. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/731/CN-00772731/frame.html (accessed.
257. Rosen MI, Rigsby MO, Salahi JT, Ryan CE, Cramer JA. Electronic monitoring and counseling to improve medication adherence. Behaviour Research and Therapy, 2004. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/481/CN-00471481/frame.html (accessed.
258. Rothschild SK, Martin MA, Swider SM, et al. Mexican American Trial of Community Health Workers: A Randomized Controlled Trial of a Community Health Worker Intervention for Mexican Americans With Type 2 Diabetes Mellitus. Am J Public
185
Health 2013.
259. Nesari M, Zakerimoghadam M, Rajab A, Bassampour S, Faghihzadeh S. Effect of telephone follow-up on adherence to a diabetes therapeutic regimen. Japan journal of nursing science : JJNS, 2010. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/757/CN-00779757/frame.html (accessed.
260. Mehuys E, Bortel L, Bolle L, et al. Effectiveness of a community pharmacist intervention in diabetes care: a randomized controlled trial. Journal of Clinical Pharmacy and Therapeutics, 2011. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/489/CN-00832489/frame.html (accessed.
261. Phumipamorn S, Pongwecharak J, Soorapan S, Pattharachayakul S. Effects of the pharmacist's input on glycaemic control and cardiovascular risks in Muslim diabetes. Primary Care Diabetes, 2008. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/200/CN-00665200/frame.html (accessed.
262. Ajzen I. The Theory of Planned Behavior. ORGANIZATIONAL BEHAVIOR AND HUMAN DECISION PROCESSES 1991; 50, : 179-211.
263. Bartholomew LK. Planning health promotion programs : an intervention mapping approach. 3rd ed ed. San Francisco: Jossey-Bass; 2011.
264. Chao J, Nau DP, Aikens JE. Patient-reported perceptions of side effects of antihyperglycemic medication and adherence to medication regimens in persons with diabetes mellitus. Clin Ther 2007; 29(1): 177-80.
265. Farmer A, Kinmonth AL, Sutton S. Measuring beliefs about taking hypoglycaemic medication among people with Type 2 diabetes. Diabet Med 2006; 23(3): 265-70.
266. Denford S, Taylor RS, Campbell JL, Greaves CJ. Effective Behavior Change Techniques in Asthma Self-Care Interventions: Systematic Review and Meta-Regression. Health Psychol 2013.
267. Godin G, Vezina-Im LA, Belanger-Gravel A, Amireault S. Efficacy of interventions promoting blood donation: a systematic review. Transfus Med Rev 2012; 26(3): 224-37 e6.
268. Hoffmann TC, Glasziou PP, Boutron I, et al. Better reporting of interventions: template for intervention description and replication (TIDieR) checklist and guide. BMJ 2014; 348: g1687.
269. Albrecht L, Archibald M, Arseneau D, Scott SD. Development of a checklist to assess the quality of reporting of knowledge translation interventions using the Workgroup for Intervention Development and Evaluation Research (WIDER) recommendations. Implement Sci 2013; 8: 52.
270. Gjalt-Jorn Ygram Peters, Marijn de Bruin, Crutzen R. Health Psychology Review (2013): Everything should be as simple as possible, but no simpler: towards a protocol for accumulating evidence regarding the active content of health behaviour change
186
interventions. Health Psychology Review, 2013: 1-16.
271. Doggrell SA. Adherence to medicines in the older-aged with chronic conditions: does intervention by an allied health professional help? Drugs Aging 2010; 27(3): 239-54.
272. Chisholm-Burns MA, Spivey CA. The 'cost' of medication nonadherence: Consequences we cannot afford to accept. J Am Pharm Assoc (2003) 2012; 52(6): 823-6.
273. Tran DA, Wilson DP, Shakeshaft A, Ngo AD, Doran C, Zhang L. Determinants of virological failure after 1 year's antiretroviral therapy in Vietnamese people with HIV: findings from a retrospective cohort of 13 outpatient clinics in six provinces. Sexually transmitted infections 2014.
274. Armstrong MJ, Mottershead TA, Ronksley PE, Sigal RJ, Campbell TS, Hemmelgarn BR. Motivational interviewing to improve weight loss in overweight and/or obese patients: a systematic review and meta-analysis of randomized controlled trials. Obes Rev 2011; 12(9): 709-23.
275. Moher D, Liberati A, Tetzlaff J, Altman DG. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. Int J Surg 2010; 8(5): 336-41.
276. Bloom DE, Cafiero ET, Jané-Llopis E, et al. The Global Economic Burden of Noncommunicable Diseases. Geneva: World Economic Forum. , 2011.
277. Veenboer PW, Bosch JL. Long-term adherence to antimuscarinic therapy in everyday practice: a systematic review. J Urol 2014; 191(4): 1003-8.
278. Higgins JP, Altman DG, Gotzsche PC, et al. The Cochrane Collaboration's tool for assessing risk of bias in randomised trials. BMJ 2011; 343: d5928.
279. Chinn S. A simple method for converting an odds ratio to effect size for use in meta-analysis. Stat Med 2000; 19(22): 3127-31.
280. van Houwelingen HC, Arends LR, Stijnen T. Advanced methods in meta-analysis: multivariate approach and meta-regression. Stat Med 2002; 21(4): 589-624.
281. Williams A, Manias E, Walker R, Gorelik A. A multifactorial intervention to improve blood pressure control in co-existing diabetes and kidney disease: a feasibility randomized controlled trial. Journal of Advanced Nursing 2012; 68(11): 2515-25.
282. Williams A, Manias E, Liew D, Gock H, Gorelik A. Working with CALD groups: testing the feasibility of an intervention to improve medication self- management in people with kidney disease, diabetes, and cardiovascular disease. Renal Society of Australasia Journal 2012; 8(2): 62-9.
283. Solomon DH, Iversen MD, Avorn J, et al. Osteoporosis Telephonic Intervention to Improve Medication Regimen Adherence. Archives of Internal Medicine 2012; 172(6): 477-83.
284. Maneesriwongul W, Prajanket O-O, Saengcharnchai P. Effects of Motivational Interviewing or an Educational Video on Knowledge about HIV/AIDS, Health Beliefs and Antiretroviral Medication Adherence among Adult Thais with HIV/AIDS. Pacific Rim International Journal of Nursing Research 2012; 16(2): 124-37.
187
285. Konkle-Parker DJ, Erlen JA, Dubbert PM, May W. Pilot testing of an HIV medication adherence intervention in a public clinic in the Deep South. Journal of the American Academy of Nurse Practitioners 2012; 24(8): 488-98.
286. Ingersoll KS, Farrell-Carnahan L, Cohen-Filipic J, et al. A pilot randomized clinical trial of two medication adherence and drug use interventions for HIV plus crack cocaine users. Drug and Alcohol Dependence 2011; 116(1-3): 177-87.
287. Holstad MM, Diiorio C, Kelley ME, Resnicow K, Sharma S. Group motivational interviewing to promote adherence to antiretroviral medications and risk reduction behaviors in HIV infected women. Aids and Behavior, 2011. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/938/CN-00793938/frame.html (accessed 2013-12-25).
288. Kender RG. Computer-based brief motivational intervention for medication adherence in schizophrenia. US: ProQuest Information & Learning; 2010.
289. George J, McNamara K, Jackson S, et al. The HAPPY trial: A randomised controlled trial of a community pharmacy-based intervention for improving patient adherence to antihypertensive medicines. International Journal of Pharmacy Practice, 2010. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/449/CN-00784449/frame.html (accessed 2013-12-25).
290. DiIorio C, Reisinger EL, Yeager KA, McCarty F. A telephone-based self-management program for people with epilepsy. Epilepsy & behavior : E&B, 2009. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/722/CN-00680722/frame.html (accessed 2013-12-25).
291. Ogedegbe G, Chaplin W, Schoenthaler A, et al. A practice-based trial of motivational interviewing and adherence in hypertensive African Americans. American Journal of Hypertension 2008; 21(10): 1137-43.
292. DiIorio C, McCarty F, Resnicow K, et al. Using motivational interviewing to promote adherence to antiretroviral medications: a randomized controlled study. AIDS Care, 2008. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/428/CN-00638428/frame.html (accessed 2013-12-25).
293. Parsons JT, Golub SA, Rosof E, Holder C. Motivational interviewing and cognitive-behavioral intervention to improve HIV medication adherence among hazardous drinkers: a randomized controlled trial. Journal of acquired immune deficiency syndromes (1999), 2007. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/731/CN-00621731/frame.html (accessed 2013-12-25).
294. Martino S, Carroll KM, Nich C, Rounsaville BJ. A randomized controlled pilot study of motivational interviewing for patients with psychotic and drug use disorders. Addiction (Abingdon, England), 2006. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/147/CN-00572147/frame.html (accessed 2013-12-25).
295. Golin CE, Earp J, Tien HC, Stewart P, Porter C, Howie L. A 2-arm, randomized, controlled trial of a motivational interviewing-based intervention to improve adherence to
188
antiretroviral therapy (ART) among patients failing or initiating ART. Jaids-Journal of Acquired Immune Deficiency Syndromes 2006; 42(1): 42-51.
296. Tsang HW, Wong TKS. The effects of a compliance therapy programme on Chinese male patients with schizophrenia. Asian Journal of Nursing Studies, 2005. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/082/CN-00598082/frame.html (accessed 2013-12-25).
297. Samet JH, Horton NJ, Meli S, et al. A randomized controlled trial to enhance antiretroviral therapy adherence in patients with a history of alcohol problems. Antiviral Therapy, 2005. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/941/CN-00514941/frame.html (accessed 2013-12-25).
298. DiIorio C, Resnicow K, McDonnell M, Soet J, McCarty F, Yeager K. Using motivational interviewing to promote adherence to antiretroviral medications: a pilot study. The Journal of the Association of Nurses in AIDS Care : JANAC, 2003. http://onlinelibrary.wiley.com/o/cochrane/clcentral/articles/715/CN-00436715/frame.html (accessed 2013-12-25).
299. Safren SA, Otto MW, Worth JL, et al. Two strategies to increase adherence to HIV antiretroviral medication: life-steps and medication monitoring. Behav Res Ther 2001; 39(10): 1151-62.
300. Apodaca TR, Longabaugh R. Mechanisms of change in motivational interviewing: a review and preliminary evaluation of the evidence. Addiction 2009; 104(5): 705-15.
301. Vansteenkiste M, Williams GC, Resnicow K. Toward systematic integration between self-determination theory and motivational interviewing as examples of top-down and bottom-up intervention development: autonomy or volition as a fundamental theoretical principle. The international journal of behavioral nutrition and physical activity 2012; 9: 23.
302. Konkle-Parker DJ. A motivational intervention to improve adherence to treatment of chronic disease. J Am Acad Nurse Pract 2001; 13(2): 61-8.
303. Miller WR, Rollnick S. The effectiveness and ineffectiveness of complex behavioral interventions: impact of treatment fidelity. Contemp Clin Trials 2014; 37(2): 234-41.
304. Schwalbe CS, Oh HY, Zweben A. Sustaining motivational interviewing: a meta-analysis of training studies. Addiction 2014; 109(8): 1287-94.
305. Vrijens B, De Geest S, Hughes DA, et al. A new taxonomy for describing and defining adherence to medications. Br J Clin Pharmacol 2012; 73(5): 691-705.
189
9 Annexes
9.1 Supplemental material of chapter 4
Questionnaire de l’enquête web
Bienvenue dans le questionnaire sur les facteurs qui influencent l’usage des médicaments antidiabétiques oraux. Le questionnaire comporte quatre sections : • Vous et le diabète; • Votre prescription actuelle de médicaments antidiabétiques; • Votre opinion concernant la prise de médicaments antidiabétiques; • Votre situation actuelle en général. Nous vous demandons de répondre à ce questionnaire de la façon qui reflète le mieux votre situation et votre opinion aujourd’hui. Vous pouvez vous servir d’une liste de vos médicaments qui vous a été donnée à la pharmacie ou bien vous aider de vos contenants. Si vous désirez vous déplacer d’une page à une autre, vous devez cliquer sur le bouton « Précédente » ou « Suivante » qui est présenté en bas des pages du questionnaire. Si vous utilisez une autre fonction, un message indiquera que votre page Web a expiré. Dans ce cas, il est possible de revenir au questionnaire en utilisant le lien personnalisé que vous recevrez dans votre boîte de courriel. Cliquez sur « Suivante » pour accéder au questionnaire. Section 1 : Vous et le diabète Q1 Êtes-vous… 1 Un homme - 2 Une femme Q2 Quelle est votre date de naissance ? ______/______/______ Jour Mois Année Q3 Avez-vous un diabète de type 2 ? 1 Oui - 2 Non Si non… Nous vous remercions très sincèrement pour votre intérêt envers notre recherche. Vous ne pourrez y participer puisque nous recherchons des personnes qui ont un diagnostic de diabète de type 2. Merci encore une fois. Q3A Devez-vous prendre un ou plusieurs médicaments antidiabétiques oraux ? 1 Oui - 2 Oui mais je ne les prends pas 3 Non Message de remerciement
190
Si non… Nous vous remercions très sincèrement pour votre intérêt envers notre recherche. Vous ne pourrez y participer puisque nous recherchons des personnes qui ont une prescription de médicaments antidiabétiques oraux. Merci encore une fois. Q4 Avez-vous pris de l’insuline au cours du dernier mois ? 1 Oui - 2 Non Q4A Si oui… Parmi les choix suivants lequel correspond le mieux à votre situation actuelle ? 1 J’en prends à tous les jours - 2 J’en prends à l’occasion IMPORTANT : Le questionnaire porte sur les antidiabétiques SAUF l’insuline. Pour toutes les questions, veuillez ne pas prendre en compte l’insuline. Q5 En quelle année un médecin vous a-t-il dit pour la première fois que vous aviez le diabète de type 2 ? ____________ Année Q7 Vivez-vous seul(e) ou avec un conjoint ou une conjointe ? 1 Avec un(e) conjoint(e) Si ce choix est sélectionné, la question 53 ne sera pas présentée 2 Seul(e) Si ce choix est sélectionné, les questions 36, 51 et 52 ne seront pas présentées Q9 Quels sont les 3 premiers caractères de votre code postal ? __ __ __ Section 2 : Votre prescription actuelle de médicaments antidiabétiques Q10 Parmi les antidiabétiques listés, choisissez tous ceux qui vous sont prescrits actuellement. Plusieurs réponses sont possibles. Les numéros 084 à 091 ont été ajoutés. Ils sont insérés en ordre alphabétique 001 Accel Pioglitazone 002 Actos 003 Amaryl 004 Apo Chlorpropamide 005 Apo-Gliclazide 006 Apo-Glimepiride 007 Apo Glyburide 008 Apo-Metformin 009 Apo-Pioglitazone 084 Apo-Repaglinide 010 Ava-Gliclazide 011 Ava-Glyburide 012 Ava-Metformin 013 Ava-Pioglitazone 014 Avandamet 015 Avandia 016 Byetta
191
017 Co Glimepiride 018 Co Metformin 019 Co Pioglitazone 020 Co Repaglinide 021 Diabeta 022 Diamicron 023 Diamicron MR 024 Dom-Glyburide 025 Dom-Metformin 026 Dom-Pioglitazone 027 Euglucon 028 Gliclazide 029 Gliclazide MR 030 Glucobay 031 Gluconorm 032 Glucophage 033 Glumetza 034 Glyburide 035 Glycon 085 Jamp-Merformin 036 Jamp-Pioglitazone 037 Janumet 038 Januvia 086 Mar-Metformin 039 Metformin 087 Mint-Metformin 040 Mint-Pioglitazone 041 Mylan-Gliclazide 042 Mylan-Glybe 043 Mylan-Metformin 044 Mylan-Pioglitazone 045 Novo-Gliclazide 046 Novo-Glimepiride 088 Novo-Glyburide 047 Novo-Metformin 089 Novo-Pioglitazone 090 NTP-Glyburide 048 Nu-Glyburide 049 Nu-Metformin 050 Onglyza 051 Phl-Metformin 052 Phl-Pioglitazone 053 Pioglitazone 054 Pioglitazone Hydrochloride 055 Pms-Gliclazide
192
056 Pms-Glimepiride 057 Pms-Glyburide 058 Pms-Metformin 059 Pms-Pioglitazone 060 Pms-Repaglinide 061 Pro-Glyburide 062 Pro-Metformin 063 Pro-Pioglitazone 064 Q-Metformin 065 Ran-Metformin 066 Ratio-Glimepiride 067 Ratio-Glyburide 068 Ratio-Metformin 069 Ratio-Pioglitazone 070 Riva-Glyburide 071 Riva-Metformin 091 Sandoz Gliclazide 072 Sandoz Glimepiride 073 Sandoz Glyburide 074 Sandoz Metformin Fc 075 Sandoz Pioglitazone 076 Sandoz Repaglinide 077 Starlix 078 Teva-Glyburide 079 Teva-Pioglitazone 080 Tolbutamide 081 Trajenta 082 Victoza 083 Zym-Pioglitazone Q10ATC Pas de question associée. Données : programmation des codes. Voir tableau en fin de document. Q11 Voici la liste des antidiabétiques qui vous sont prescrits actuellement, pour chacun, indiquez le nombre de comprimés qui vous sont prescrits au bon endroit dans le tableau selon le moment où vous devez les prendre. Pour indiquer un demi-comprimé (½), vous devez utiliser un point plutôt qu’une virgule (exemple 0.5). Si votre médicament est sous forme d’injection, indiquer le nombre d’injections au lieu du nombre de comprimés. Plusieurs réponses sont possibles. Q11A Le matin Q11B Le midi Q11C Le soir Q11D Au coucher Q11E Moment de la prise non précisé
193
Données : Présentation des 455 (91X5) combinaisons : Q11A_001 Q11B_001 … Q11E_001 … Q11E_083 Pour les questions suivantes, nous vous demandons de rapporter la prise réelle de vos antidiabétiques. Prenez soin de tenir compte de la période de temps mentionnée dans la question. Au cours du dernier mois, vous est-il arrivé… Q12A de ne pas vous soucier de prendre vos médicaments antidiabétiques ? 1 Oui - 2 Non Q12B d’oublier de prendre vos médicaments antidiabétiques ? 1 Oui - 2 Non Q12C de réduire la dose ou d’arrêter de prendre vos médicaments antidiabétiques sans en informer votre médecin, parce que vous vous sentiez moins bien en les prenant ? 1 Oui - 2 Non Q12D d’oublier d’emporter vos médicaments antidiabétiques lorsque vous voyagiez ou que vous quittiez la maison ? 1 Oui - 2 Non Q12E d’arrêter de prendre vos médicaments quand vous sentiez que votre diabète était bien contrôlé ? 1 Oui - 2 Non Q12F d’être contrarié(e) par le fait d’avoir à respecter votre prescription? 1 Oui - 2 Non Q13 Parfois certaines personnes ne prennent pas leurs médicaments pour d’autres raisons qu’un oubli. En pensant aux deux dernières semaines, y a-t-il eu des jours où vous n’avez pas pris vos médicaments antidiabétiques pour d’autres raisons qu’un oubli ? 1 Oui - 2 Non Q14 Avez-vous pris vos médicaments antidiabétiques hier ? 1 Oui - 2 Non Q15 Au cours du dernier mois, vous est-il arrivé d’avoir des difficultés à vous rappeler de prendre tous vos médicaments antidiabétiques ? 1 Jamais - 2 Rarement - 3 Parfois - 4 Souvent - 5 Tout le temps Q16 Au cours des 7 derniers jours, vous est-il arrivé de sauter (de ne pas prendre) des doses de vos médicaments antidiabétiques ? 1 Jamais - 2 Rarement - 3 Parfois - 4 Souvent - 5 Tout le temps Q18 Au cours des 7 derniers jours, combien de comprimés de vos médicaments antidiabétiques oraux avez-vous sautés ? (nombre de comprimés que vous n’avez pas pris)?
194
Pour indiquer un demi-comprimé (½), vous devez utiliser un point plutôt qu’une virgule (exemple 0.5). S’il y a des médicaments sous forme d’injection parmi les doses que vous n’avez pas prises, comptez les injections manquées comme s’il s’agissait de comprimés. Q18A Le matin Q18B Le midi Q18C Le soir Q18D Au coucher Q18E Moment de la prise non précisé Q18F Je n’ai sauté aucun comprimé 1 Hier - 2 Avant-hier - 3 Il y a 3 jours - 4 Il y a 4 jours - 5 Il y a 5 jours - 6 Il y a 6 jours - 7 Il y a 7 jours Données : Présentation des 42 combinaisons : Q18A_1 Q18B_1 … Q18F_1 … Q18E_7 Q19 Au cours du dernier mois, vos médicaments antidiabétiques vous ont-ils causé des malaises ou des effets secondaires ? 1 Oui - 2 Non Si ce choix est sélectionné, sautez la question Q20 Q20 Cochez les malaises que vous pensez avoir ressentis au cours du dernier mois à cause de la prise de vos médicaments antidiabétiques. 01 diarrhée - 02 mal d’estomac- 03 nausée - 04 mal de tête - 05 vertige ou étourdissement - 06 transpiration excessive - 07 démangeaison - 08 hypoglycémie - 09 gonflement des pieds ou des mains - 10 gain de poids - 11 ballonnement - 12 autre (Précisez dans la boîte ci-dessous) - O_Q20R1M1 champs texte Section 3 : Votre opinion sur la prise de vos médicaments antidiabétiques au cours du prochain mois Les questions suivantes portent sur la prise de vos médicaments antidiabétiques au cours du prochain mois. Veuillez répondre à ces questions en ne pensant qu’à vos médicaments antidiabétiques. Il est important de répondre à toutes les questions, même si certaines peuvent vous sembler répétitives. L’expression « prendre mes médicaments antidiabétiques comme ils m’ont été prescrits » signifie : 1) prendre la quantité exacte, 2) au moment exact, 3) le nombre exact de fois par jour, 4) et pour les jours demandés. (Exemples : un comprimé le matin, en mangeant, à tous les jours ou encore deux comprimés le matin et un le soir, à tous les jours) Au cours du prochain mois, … Q21 je vais prendre mes médicaments antidiabétiques comme ils m’ont été prescrits 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q23 si je prends mes médicaments antidiabétiques comme ils m’ont été prescrits, les membres de ma famille seront…. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord
195
Q24 C’est tout à fait dans ma nature de prendre mes médicaments comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q26 Prendre mes médicaments antidiabétiques comme ils m’ont été prescrits est quelque chose que je fais machinalement. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord -5 assez en accord - 6 très en accord Les situations suivantes ne s’appliquent peut-être pas à votre situation. Répondez sur votre capacité à prendre vos médicaments si ces situations vous arrivaient. Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits Q27A même si je ne suis pas chez moi au moment de prendre mes médicaments (sorties, vacances, restaurant, etc.) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27B même si je suis porté(e) à les oublier 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27C même si j’ai de la visite à la maison 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27D même si je suis tanné(e) de prendre des médicaments 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27E même si je n’ai pas accepté mon diabète 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27F même si j’ai des imprévus dans mon horaire 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q27G même si j’ai le sentiment de ne pas être correctement suivi(e) par mon médecin 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord
196
Q27H même si j’ai des doutes sur la prescription du médecin 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q28 J’ai identifié précisément les situations où je risque de ne pas prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q29 Prendre mes médicaments antidiabétiques comme ils m’ont été prescrits est quelque chose que je fais sans réfléchir. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q30 J’ai prévu des trucs pour prendre mes médicaments antidiabétiques tels que prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q31 Je sais exactement quoi faire lorsque je suis dans une situation où je risque de ne pas prendre mes médicaments comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32A …j’ai toujours mes médicaments antidiabétiques avec moi 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32B …je garde mes médicaments à la vue (ex : sur le comptoir de la cuisine, sur la table de nuit) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32C …j’ai une routine pour la prise de mes médicaments 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord
197
Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32D …j’ai quelqu’un qui me rappelle de les prendre 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32E …j’utilise un pilulier (ex : dosette, dispill) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32F …je fais la lecture de mon taux de sucre (glycémie) à tous les jours 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32G …j’ai un truc pour me rappeler de les prendre 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois je serai capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits si… Q32H …j’ai une vie régulière 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q32I J’ai le désir de faire de l’exercice. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q32J J’ai fait des plans précis pour faire de l’exercice. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q32K J’ai le désir de suivre le régime alimentaire conseillé pour le diabète. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q32N J’ai fait des plans précis pour suivre le régime alimentaire conseillé pour le diabète. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord
198
Q32L J’ai le désir de perdre du poids. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q32M J’ai fait des plans précis pour perdre du poids. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois, … Q33 je prendrai toujours mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q34 si je prends mes médicaments antidiabétiques comme ils m’ont été prescrits, mon/ma conjoint(e) sera… 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q34A j’ai l’intention de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q35 je me sens capable de prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q35A je prendrai facilement mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois, si je prends mes médicaments antidiabétiques comme ils m’ont été prescrits, cela… Q36A pourrait m’éviter des complications liées au diabète 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q36B pourrait me permettre de contrôler le taux de sucre dans mon sang (glycémie) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q36C pourrait me permettre de me sentir bien
199
1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q36D pourrait m’éviter de me sentir fatigué(e) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q36E pourrait prévenir une augmentation de mes médicaments antidiabétiques 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q36F pourrait m’éviter de passer à l’insuline 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q37 J’ai identifié précisément des trucs pour ne pas oublier de prendre mes médicaments antidiabétiques. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q38 Prendre mes médicaments antidiabétiques comme ils m’ont été prescrits est quelque chose que je fais sans devoir me le rappeler consciemment. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q39 Je NE suis PAS le genre de personne à prendre ses médicaments comme ils lui ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q40 J’ai planifié exactement à quel(s) moment(s) je prendrai mes médicaments antidiabétiques au cours de la journée (ex. : quand je m’assois à la table pour manger). 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Au cours du prochain mois, prendre mes médicaments antidiabétiques comme ils m’ont été prescrits sera pour moi... Q41A 1 très inutile - 2 assez inutile - 3 légèrement inutile - 4 légèrement utile - 5 assez utile - 6 très utile Q41B 1 très insatisfaisant - 2 assez insatisfaisant - 3 légèrement insatisfaisant - 4 légèrement satisfaisant- 5 assez satisfaisant - 6 très satisfaisant Q41C
200
1 très nuisible - 2 assez nuisible - 3 légèrement nuisible - 4 légèrement bénéfique - 5 assez bénéfique - 6 très bénéfique Q41D 1 très désagréable - 2 assez désagréable - 3 légèrement désagréable - 4 légèrement agréable - 5 assez agréable - 6 très agréable Q41E 1 très difficile - 2 assez difficile - 3 légèrement difficile - 4 légèrement facile - 5 assez facile - 6 très facile Au cours du prochain mois, si je prends mes médicaments antidiabétiques comme ils m’ont été prescrits, cela… Q42A me donnera des problèmes gastro-intestinaux (diarrhée, ballonnements, constipation, etc.) 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q42B me donnera des hypoglycémies. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q42C sera dispendieux. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q42D me donnera l’impression d’être esclave de mes médicaments antidiabétiques. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q42E cela me donnera l’illusion que je peux manger n’importe quoi. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q42F cela m’obligera à changer ma façon de vivre. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q43 Les personnes qui sont importantes pour moi pensent que je dois prendre mes médicaments antidiabétiques comme ils m’ont été prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q44 Prendre mes médicaments antidiabétiques comme ils m’ont été prescrits est quelque chose que je fais avant même de m’en rendre compte.
201
1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Q45 J’ai planifié une routine pour prendre mes médicaments antidiabétiques tels que prescrits. 1 très en désaccord - 2 assez en désaccord - 3 légèrement en désaccord - 4 légèrement en accord - 5 assez en accord - 6 très en accord Section 4 : Votre situation actuelle Les questions suivantes portent sur votre bien-être psychologique, une partie importante de la santé. Encore une fois, soyez assuré(e) que toutes vos réponses demeureront strictement confidentielles. Q47 En général, diriez-vous que votre santé mentale est : 1 Mauvaise - 2 Passable - 3 Bonne - 4 Très bonne - 5 Excellente Q48 Est-ce que votre conjoint(e) est une personne avec qui vous pouvez vraiment discuter de choses importantes? 1 Oui - 2 Non Q49 Parmi vos ami(e)s ou dans votre famille (sans compter votre conjoint(e)), combien y a-t-il de personnes à qui vous pouvez vous confier, des personnes qui peuvent vous comprendre et vous conseiller ? 0 Aucune - 1 Une - 2 Deux ou plus Q50 Parmi vos ami(e)s ou dans votre famille, combien y a-t-il de personnes à qui vous. Pouvez-vous confier, des personnes qui peuvent vous comprendre et vous conseiller ? 0 Aucune - 1 Une - 2 Deux ou plus Au cours des 2 dernières semaines, à quelle fréquence avez-vous été dérangé(e) par le problème suivant : Q51A Peu d’intérêt ou de plaisir à faire des choses 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51B Se sentir triste, déprimé(e) ou désespéré(e) 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51C Incapable d’arrêter de vous inquiéter ou de contrôler vos inquiétudes 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51D Sentiment de nervosité, d’anxiété ou de tension 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours)
202
Q51E Inquiétudes excessives à propos de tout et de rien 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51F Difficulté à se détendre 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51G Agitation telle qu’il est difficile de rester tranquille 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51H Devenir facilement contrarié(e) ou irritable 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q51I Avoir peur que quelque chose d’épouvantable puisse arriver 1 jamais (de 0 à 1 jour) - 2 plusieurs jours (de 2 à 6 jours) - 3 plus de la moitié du temps (de 7 à 11 jours) - 4 presque tous les jours (de 12 à 14 jours) Q52 Considérez-vous que l’achat de vos médicaments antidiabétiques est : 1 pas du tout coûteux - 2 un peu coûteux - 3 assez coûteux - 4 très coûteux Q53 Considérez-vous que l’achat des aiguilles et des bandelettes pour votre glucomètre est : 1 pas du tout coûteux - 2 un peu coûteux - 3 assez coûteux - 4 très coûteux - 9 je n’ai pas de glucomètre Si ce choix est sélectionné, sautez la question Q54 Q54 Au cours de la dernière semaine, à quelle fréquence avez-vous fait la lecture de votre taux de sucre (glycémie) avec un glucomètre ? 1 jamais - 2 un seul jour dans la semaine - 3 quelques jours dans la semaine - 4 à tous les jours, une fois par jour - 5 à tous les jours, plusieurs fois par jour Q55 Au cours de la dernière semaine, avez-vous utilisé un pilulier (dosette, dispill) ? 1 Oui - 2 Non (Si ce choix est sélectionné, sautez la Q56) Q56 Qui a préparé votre pilulier (dosette, dispill)? 1 Moi - 2 Un professionnel de la santé - 3 Un proche (famille ou ami(e)) - 9 Autre (précisez dans la boîte ci-dessous) O_Q56R1M1 Texte de Précision préparation pilulier par autre Q57 Sélectionnez le plus haut niveau de scolarité que vous avez complété? 1 Aucun diplôme - 2 Études primaires - 3 Études secondaires partielles (I à V) - 4 Diplôme d’études secondaires (sec V ou 12e année) - 5 Études partielles dans un cégep, une école de métier ou de formation professionnelle - 6 Diplôme ou certificat d’étude d’un cégep, d’une école
203
de métier ou de formation professionnelle - 7 Études partielles à l’université - 8 Diplôme universitaire - 98 Autre (précisez dans la boîte ci-dessous) O_Q57R1M1 Texte de précision autre diplôme Q58 Au cours des 12 derniers mois, quelle était votre occupation principale ? 1 Travailleur(e) à temps plein - 2 Travailleur(e) à temps partiel - 3 Étudiant(e) - 4 Retraité(e), rentier(ère) - 5 Personne tenant maison - 6 Prestataire d’assurance-emploi (chômage) - 7 En congé de maternité/paternité - 9 En congé de maladie - 8 Prestataire d’aide sociale (sécurité du revenu) - 98 Autre (précisez dans la boîte ci-dessous) O_Q58R1M1 Texte de précision autre occupation Q59 Sélectionnez l’énoncé qui décrit le mieux votre horaire de travail au cours des 12 derniers mois ? 1 Je n’ai pas exercé d’activité professionnelle au cours des 12 derniers mois. Si sélectionné, sautez Q59A Q59B Q59C Q59D Q59E) - 2 Horaire normal de jour - 3 Quart normal de soirée - 4 Quart normal de nuit - 5 Quart brisé (2 périodes distinctes chaque jour) - 6 Quart rotatif (alternance quarts de jour, soirée, nuit) - 7 Travail sur demande ou occasionnel - 8 Horaire irrégulier - 98 Autre (précisez dans la boîte ci-dessous) O_Q59R1M1 Texte de précision autre horaire de travail Au cours des 12 derniers mois, combien de jours vous êtes-vous absenté(e) de votre travail, au total … Q59A parce que vous étiez malade (toutes causes) ? Q59B parce que vous vous étiez blessé(e) (à la maison ou au travail) ? Q59C pour des raisons personnelles (garde d’enfants, garde de personnes âgées, rendez-vous, etc.) ? Les deux questions suivantes portent sur le temps de travail que vous avez manqué au cours des deux dernières semaines. Si vous êtes travailleur autonome ou si vous travaillez à votre domicile, pensez au temps que vous avez manqué les jours durant lesquels vous aviez prévu de travailler. Veuillez répondre à propos de votre emploi principal seulement. Q59D Au cours des deux dernières semaines, combien de journées complètes de travail avez-vous manquées à cause de votre diabète ou des soins médicaux reliés au diabète ? Champ texte Q59E Au cours des deux dernières semaines, quel est le nombre total de jours durant lesquels vous avez manqué une partie de la journée de travail à cause de votre diabète ou des soins médicaux reliés au diabète?
204
Champ texte Q60 Y compris vous-même, combien de personnes y a-t-il dans votre ménage ? Champ texte Q61 Au cours des 12 derniers mois, à combien estimez-vous approximativement le revenu total de tous les membres de votre ménage provenant de toutes les sources, avant impôt et autres retenues ? 1 Moins de 10 000 $ - 2 De 10 000 $ à moins de 20 000 $ - 3 De 20 000 $ à moins de 30 000 $ - 4 De 30 000 $ à moins de 40 000 $ - 5 De 40 000 $ à moins de 50 000 $ - 6 De 50 000 $ à moins de 60 000 $ - 7 De 60 000 $ à moins de 80 000 $ - 8 De 80 000 $ à moins de 100 000 $ - 9 100 000 $ ou plus - 99 Je ne souhaite pas répondre Q62A Quel est votre poids ? Entrez le nombre Champ texte Q62B Sélectionnez l’unité 1 livres - 2 kilogramme Q63A Combien mesurez-vous (votre taille) ? Si vous indiquez votre taille en pieds et pouces, utiliser le point (.) pour indiquer les pouces (exemple 5 pieds et 2 pouces est indiqué par 5.2). 1 pieds - 2 mètres Q64 Fumez-vous la cigarette? 1 Non et je n’ai jamais fumé Si sélectionné, sautez Q65 et Q66 2 Non, mais j’ai déjà fumé Si sélectionné, sautez Q66 3 Oui, mais je ne fume pas à tous les jours Si sélectionné, sautez Q65 et Q66 4 Oui et je fume à tous les jours, mais moins d’un paquet par jour Si sélectionné, sautez Q65 et Q66 5 Oui et je fume à tous les jours un paquet ou plus Si sélectionné, sautez Q65. Q65 Pendant combien d’années avez-vous fumé la cigarette? Champ texte Q66 Combien de cigarettes fumez-vous par jour ? Champ texte Pour les personnes qui ont refusé le second consentement (transmission des données sur les médicaments) : Le questionnaire est terminé ! Merci pour votre précieuse collaboration. Pour les personnes qui ont accepté le second consentement (transmission des données sur les médicaments) : Il ne reste que quelques questions qui nous permettront d’avoir accès aux informations sur vos médicaments achetés en pharmacie. Encore une fois, soyez assuré(e) que toutes vos réponses demeureront strictement confidentielles.
205
Q67 Quel est votre numéro d’assurance maladie sur votre carte de la régie de l’assurance maladie du Québec (carte soleil) ? (Exemple : TREA 6851 1312) Format 4 lettres-un espace-4 chiffres-un espace-4 chiffres Q68 Quel type d’assurance médicaments avez-vous actuellement? 1 Régime d’assurance publique (RAMQ) Si sélectionné, sautez Q69 à Q74 incl. 2 Régime d’assurance privée (ou collective) S.V.P prendre en main votre carte d’assurance médicaments privée pour répondre aux quelques questions suivantes : Q69 Quel est le nom de votre compagnie d’assurance médicaments ? Champ texte Q70 Quel est le numéro de l’assureur ? (répondre s’il y a un numéro d’assureur) (carrier ID, ID Rx ou numéro de compagnie d’assurance) Champ texte Q71 Quel est votre numéro de groupe (répondre s’il y a un numéro de groupe) (police, contrat ou régime) tel qu’il apparaît sur votre carte ? ____________________ Q72 Quel est votre numéro d’identification personnel (certificat, client ou numéro de participant) tel qu’il apparaît sur votre carte ? Q73 Quel est le coût annuel de votre franchise ? Q74 Quel est le nom et quel est le numéro de téléphone de votre pharmacie afin que nous puissions vérifier, s’il y a lieu, votre numéro d’assurance médicaments privée ? ___________________________________________ Q75 À quel numéro de téléphone à la maison nous pourrions vous rejoindre si jamais des précisions étaient nécessaires : _______________________________ Le questionnaire est terminé ! Merci pour votre précieuse collaboration. Pour toute question concernant votre traitement ou le diabète, nous vous invitons à rejoindre votre professionnel de la santé ou l’association Diabète Québec, 1-800-361-3504, www.diabete.qc.ca Annexe :(non présenté dans le questionnaire) Liste des codes ATC associés aux noms commerciaux des médicaments antidiabétiques oraux Code ATC Nom Commercial A10BG03 Accel Pioglitazone Actos Apo‐Pioglitazone Ava‐Pioglitazone Co Pioglitazone Dom‐Pioglitazone
206
Jamp‐Pioglitazone Mint‐Pioglitazone Mylan‐Pioglitazone Phl‐Pioglitazone Pioglitazone Pioglitazone Hydrochloride Pms‐Pioglitazone Pro‐Pioglitazone 28 Ratio‐Pioglitazone Sandoz Pioglitazone Teva‐Pioglitazone Zym‐Pioglitazone Novo‐Pioglitazone A10BB12 Amaryl Apo‐Glimepiride Co Glimepiride Novo‐Glimepiride Pms‐Glimepiride Ratio‐Glimepiride Sandoz Glimepiride A10BB02 Apo Chlorpropamide A10BB09 Apo‐Gliclazide Ava‐Gliclazide Diamicron Diamicron MR Gliclazide Gliclazide MR Mylan‐Gliclazide Novo‐Gliclazide Pms‐Gliclazide Sandoz Gliclazide A10BB01 Apo Glyburide Ava‐Glyburide Diabeta Dom‐Glyburide Euglucon Glyburide Mylan‐Glybe Nu‐Glyburide Pms‐Glyburide Pro‐Glyburide Ratio‐Glyburide Riva‐Glyburide Sandoz Glyburide
207
Teva‐Glyburide Novo‐Glyburide NTP‐Glyburide A10BA02 Apo‐Metformin Ava‐Metformin Co Metformin Dom‐Metformin Glucophage Glumetza Glycon Metformin 29 Mylan‐Metformin Novo‐Metformin Nu‐Metformin Phl‐Metformin Pms‐Metformin Pro‐Metformin Q‐Metformin Ran‐Metformin Ratio‐Metformin Riva‐Metformin Sandoz Metformin Fc Jamp‐Merformin Mar‐Metformin Mint‐Metformin A10BD03 Avandamet A10BG02 Avandia A10BX04 Byetta A10BX02 Co Repaglinide Gluconorm Pms‐Repaglinide Sandoz Repaglinide Apo‐Repaglinide A10BF01 Glucobay A10BD07 Janumet A10BH01 Januvia A10BH03 Onglyza A10BX03 Starlix A10BB03 Tolbutamide A10BH05 Trajenta A10BX07 Victoza
208
9.2 Supplemental material of chapter 5
Effectiveness and content analysis of interventions to enhance oral antidiabetic drug adherence in
adults with type 2 diabetes: Systematic review and meta-analysis
209
Supplemental Table 5.1: Search strategies according to the database
MEDLINE VIA PUBMED
Population (1)
Diabetes [tiab] OR Diabetes mellitus [tiab] OR type 2 diabetes [tiab] OR "Hypoglycemic Agents/administration and dosage"[Mesh] OR NIDDM [tiab] OR T2DM [tiab] OR T2D [tiab] OR non insulin$ depend$ OR noninsulin$ depend OR MODY [tiab] OR hypoglycemia [tiab] OR glycosylated hemoglobin [tiab]
Limits: Title and abstract
Intervention (2)
Intervention* [tiab] OR intervention stud* [tiab] OR psychosocial intervention* [tiab] OR "Reminder systems"[Mesh] OR medical informatics applications [tiab] OR patient education as topic OR health education/methods OR medication therapy management [tiab] OR patient centered care [tiab] OR client education [tiab] OR diabetes education [tiab] OR Physician-patient relation [tiab] OR self-management intervention [tiab] OR behaviour change [tiab] OR behavior change [tiab] OR interview* [tiab] OR health promotion [tiab] OR health coaching [tiab] OR computer systems [tiab] OR decision making [tiab] OR pharmaceutical service* [tiab] OR motivati* [tiab] OR disease management [tiab] OR "Electronic Health Records"[Mesh] OR counseling internet OR "counseling"[Mesh] OR telephone counseling [tiab] OR telephone [tiab] OR primary health care [tiab] OR video recording [tiab] OR multimedia [tiab] OR multi-media [tiab] OR therapy/computer-assist* [tiab] OR computer-assisted instruction [tiab] OR computer communication networks [tiab] OR user-computer interface [tiab] OR computer-based [tiab] OR cellular phone [tiab] OR mobile phone [tiab] OR remote consultation [tiab] OR world wide web [tiab] OR website [tiab]
Limits: Title and abstract
Primary outcome (3)
Pharmaceutical regimen [tiab] OR Pharmaceutical treatment [tiab] OR Drug regimen [tiab] OR Stop$ treatment$ [tiab] OR abandon$ treatment$ [tiab] OR Patient compliance [tiab] OR Patient cooperation [tiab] OR Patient adherence [tiab] OR Patient non-compliance [tiab] OR Patient non compliance [tiab] OR Patient nonadherence [tiab] OR Patient Noncompliance [tiab] OR Patient Non-adherence [tiab] OR Patient non adherence [tiab] OR Medication adherence [Mesh] OR Medication compliance [tiab] OR Medication nonadherence [tiab] OR Medication non-compliance [tiab] OR Medication non compliance [tiab] OR Medication* [tiab] OR medication prescribed [tiab] OR Noncompliance [tiab] OR Medication non-adherence [tiab] OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts [Mesh] OR Patient Dropout* [tiab] OR Treatment Refusal [Mesh] OR Treatment Refus* [tiab] OR Refusal of Treatment [tiab] OR Patient Refusal of Treatment [tiab]
Limits: Title and abstract excepted
In total, (1) AND (2) AND (3)
EMBASE
Population (1)
'non insulin dependent diabetes mellitus':ab,ti OR 'diabetes mellitus':ab,ti OR 'antidiabetic agent':ab,ti OR 'hypoglycemia':ab,ti OR 'glycosylated hemoglobin':ab,ti OR 'type 2 diabetes':ab,ti
Limits: Title and abstract
210
Intervention (2)
'intervention study':ab,ti OR 'behavior':ab,ti OR 'social psychology':ab,ti OR 'reminder system':ab,ti OR 'medical informatics':ab,ti OR 'patient education':ab,ti OR 'education':ab,ti OR 'medication therapy management':ab,ti OR 'patient care':ab,ti OR 'doctor patient relation':ab,ti OR 'self care':ab,ti OR 'behavior change':ab,ti OR 'health promotion':ab,ti OR 'computer system':ab,ti OR 'patient decision making':ab,ti OR 'pharmacy':ab,ti OR 'disease management':ab,ti OR 'electronic medical record':ab,ti OR 'patient counseling':ab,ti OR 'information service':ab,ti OR 'primary health care':ab,ti OR 'videorecording':ab,ti OR 'multimedia':ab,ti OR 'computer assisted drug therapy':ab,ti OR 'computer network':ab,ti OR 'teleconsultation':ab,ti OR 'telephone':ab,ti OR 'mobile phone':ab,ti OR 'internet':ab,ti
Limits: Title and abstract
Primary outcome (3)
'patient compliance':de,ab,ti OR 'treatment compliance':ab,ti OR 'patient cooperation':ab,ti OR 'patient adherence':ab,ti OR 'patient non-compliance':ab,ti OR 'patient non compliance':ab,ti OR 'patient nonadherence':ab,ti OR 'patient noncompliance':ab,ti OR 'patient non-adherence':ab,ti OR 'patient non adherence':ab,ti OR 'medication adherence':ab,ti OR 'medication compliance':ab,ti OR 'medication nonadherence':ab,ti OR 'medication non-compliance':ab,ti OR 'medication non compliance':ab,ti OR 'medication noncompliance':ab,ti OR 'medication non-adherence':ab,ti OR 'medication non adherence':ab,ti OR 'medication persistence':ab,ti OR 'medication taking':ab,ti OR 'treatment refusal':de,ab,ti OR 'treatment refusal':ab,ti OR 'refusal of treatment':ab,ti OR 'patient refusal of treatment':ab,ti OR 'drug dose regimen':ab,ti OR 'treatment withdrawal':ab,ti
Limits: Title or abstract
In total, (1) AND (2) AND (3)
PsycINFO
Population (1)
diabetes OR diabetes mellitus OR Type 2 diabetes mellitus OR Type 2 diabetes OR non insulin dependent OR noninsulin dependent OR hypoglycemic agents OR hypoglycemia OR glycosylated hemoglobin
Limits: Title or abstract
Intervention (2)
intervention study OR psychosocial intervention OR Reminder systems OR medical informatics applications OR patient education OR health education OR medication therapy management OR patient centered care OR client education OR diabetes education OR Physician-patient relation OR self management OR behaviour change OR behavior change OR interview OR health promotion OR health coaching OR computer systems OR decision making OR pharmaceutical service OR motivate OR Motivation OR disease management OR Electronic Health Records OR counseling internet OR counseling OR telephone counseling OR telephone OR primary health care OR video recording OR multimedia OR computer-assisted OR computer-assisted instruction OR computer communication networks OR user-computer interface OR computer-based OR cellular phone OR mobile phone OR remote consultation OR world wide web OR website OR Web
Limits: Title or abstract
Primary outcome (3)
Patient compliance OR treatment compliance OR Patient cooperation OR Patient adherence OR Patient noncompliance OR Patient Non Compliance OR Patient Nonadherence OR Patient Noncompliance OR Patient
211
nonadherence OR Patient Non Adherence OR Medication Adherence OR Medication Compliance OR Medication Nonadherence OR Medication noncompliance OR Medication Non Compliance OR Medication Noncompliance OR Medication nonadherence OR Medication Non Adherence OR Medication Persistence OR medication taking OR treatment refusal OR Refusal of Treatment OR Patient Refusal of Treatment OR drug dose regimen OR treatment withdrawal
Limits: Title or abstract
In total, (1) AND (2) AND (3)
Limits: Title or abstract
THE COCHRANE LIBRARY
Population (1)
Diabetes OR Diabetes mellitus OR type 2 diabetes OR Hypoglycemic Agents OR NIDDM OR T2DM OR T2D OR non insulin* depend* OR noninsulin* depend* OR MODY OR hypoglycemia OR glycosylated hemoglobin
Limits: Trials; Title or abstract or keywords
Intervention (2)
Intervention* OR intervention stud* OR psychosocial intervention OR Reminder systems OR medical informatics applications OR patient education OR health education OR medication therapy management OR patient centered care OR client education OR diabetes education OR Physician-patient relation OR self-management OR behaviour change OR behavior change OR interview* OR health promotion OR health coaching OR computer systems OR physician-patient relation OR decision making OR pharmaceutical service* OR motivati* OR disease management OR Electronic Health Records OR counseling internet OR counseling OR telephone counseling OR telephone OR primary health care OR video recording OR multimedia OR multi-media OR computer-assist* OR computer-assisted instruction OR computer communication networks OR user-computer interface OR computer-based OR cellular phone OR telephone OR mobile phone OR remote consultation OR world wide web OR website OR Web
Limits: Trials; Title or abstract or keywords
Primary outcome (3)
Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient compliance OR Patient cooperation OR Patient adherence OR Patient non-compliance OR Patient non compliance OR Patient nonadherence OR Patient Noncompliance OR Patient Non-adherence OR Patient non adherence OR Medication adherence OR Medication compliance OR Medication nonadherence OR Medication non-compliance OR Medication non compliance OR Medication* OR medication prescribed OR Noncompliance OR Medication non-adherence OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refus* OR Refusal of Treatment OR Patient Refusal of Treatment
Limits: Trials; Title or abstract or keywords
In total, (1) AND (2) AND (3)
Limits: Trials; Title or abstract or keywords
CINAHL PLUS with Full Text
Population (1)
212
Hypoglycemia OR Hemoglobin A, Glycosylated OR Hemoglobin A OR Hypoglycemic Agents OR Diabetes Mellitus, Type 2 OR Diabetes Mellitus OR Diabetic Patients
Limits: Title or abstract
Intervention (2)
Patient Education OR Health Education OR Diabetes Education OR Support, Psychosocial OR Reminder Systems OR Patient Record Systems OR Medical Informatics OR Computerized Patient Record OR Telephone Information Services OR Telephone OR Counseling OR Medication Management OR Health Information Management OR Health Information Management Service OR Patient Centered Care OR Nursing Home Patients OR Physician-Patient Relations OR Professional-Patient Relations OR Nurse-Patient Relations OR Disease Management OR Primary Health Care OR Health Care Delivery OR Home Health Care Information Systems OR Health Care Delivery, Integrated OR Health Services Needs and Demand OR Multimedia OR Computer Assisted Instruction OR Drug Therapy, Computer Assisted OR Therapy, Computer Assisted OR Signal Processing, Computer Assisted OR Decision Making, Computer Assisted OR Telephone Consultation OR Remote Consultation OR Nurse Consultants OR Internet OR World Wide Web
Limits: Title or abstract
Primary outcome (3)
Medication Reconciliation OR Treatment Outcomes OR Medication treatment OR patient abandonment OR Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient compliance OR Patient cooperation OR Patient adherence OR Patient non-compliance OR Patient non compliance OR Patient nonadherence OR Patient Noncompliance OR Patient Non-adherence OR Patient non adherence OR Medication adherence OR Medication compliance OR Medication nonadherence OR Medication non-compliance OR Medication non compliance OR Medication* OR medication prescribed OR Noncompliance OR Medication non-adherence OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refus* OR Refusal of Treatment OR Patient Refusal of Treatment
Limits: Title or abstract
In total, (1) AND (2) AND (3)
Limits: Title or abstract
CURRENT CONTENTS CONNECT (Social & Behavioral Sciences (SBS) --1998-present, Clinical Medicine (CM) --1998-present, Engineering, Computing & Technology (ECT) --1998-present)
Population (1)
TI= (Diabetes OR Diabetes mellitus OR type 2 diabetes OR Hypoglycemic Agents OR NIDDM OR T2DM OR T2D OR non insulin* depend* OR noninsulin* depend* OR MODY OR hypoglycemia OR glycosylated hemoglobin)
OR
TS= (Diabetes OR Diabetes mellitus OR type 2 diabetes OR Hypoglycemic Agents OR NIDDM OR T2DM OR T2D OR non insulin* depend* OR noninsulin* depend* OR MODY OR hypoglycemia OR glycosylated hemoglobin)
Limits: Articles; Topic
213
Intervention (2)
TS= (intervention stud* OR psychosocial intervention OR Reminder systems OR medical informatics applications OR patient education OR health education OR medication therapy management OR patient centered care OR client education OR diabetes education OR Physician-patient relation OR self-management OR behaviour change OR behavior change OR interview* OR health promotion OR health coaching OR computer systems OR physician-patient relation OR decision making OR pharmaceutical service* OR motivati* OR disease management OR Electronic Health Records OR counseling internet OR counseling OR telephone counseling OR telephone OR primary health care OR video recording OR multimedia OR multi-media OR computer-assist* OR computer-assisted instruction OR computer communication networks OR user-computer interface OR computer-based OR cellular phone OR mobile phone OR remote consultation OR world wide web OR website)
Limits: Articles; Topic
Primary outcome (3)
TS= (Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient compliance OR Patient cooperation OR Patient adherence OR Patient non-compliance OR Patient non compliance OR Patient nonadherence OR Patient Noncompliance OR Patient Non-adherence OR Patient non adherence OR Medication adherence OR Medication compliance OR Medication nonadherence OR Medication non-compliance OR Medication non compliance OR Medication* OR medication prescribed OR Noncompliance OR Medication non-adherence OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refus* OR Refusal of Treatment OR Patient Refusal of Treatment)
Limits: Articles; Topic
In total, (1) AND (2) AND (3)
Limits: Articles; Topic
WEB OF SCIENCE
Population (1)
TI= (Diabetes OR Diabetes mellitus OR type 2 diabetes OR Hypoglycemic Agents OR NIDDM OR T2DM OR T2D OR non insulin* depend* OR noninsulin* depend* OR MODY OR hypoglycemia OR glycosylated hemoglobin) OR TS= (Diabetes OR Diabetes mellitus OR type 2 diabetes OR Hypoglycemic Agents OR NIDDM OR T2DM OR T2D OR non insulin* depend* OR noninsulin* depend* OR MODY OR hypoglycemia OR glycosylated hemoglobin)
Limits: Articles; Topic
Intervention (2)
TS= (intervention stud* OR psychosocial intervention OR Reminder systems OR medical informatics applications OR patient education OR health education OR medication therapy management OR patient centered care OR client education OR diabetes education OR Physician-patient relation OR self-management OR behaviour change OR behavior change OR interview* OR health promotion OR health coaching OR computer systems OR physician-patient relation OR decision making OR pharmaceutical service* OR motivati* OR disease management OR Electronic Health Records OR counseling internet OR counseling OR telephone counseling OR telephone OR primary health care OR video recording OR multimedia OR multi-media OR computer-assist* OR computer-assisted instruction OR computer communication networks OR user-computer interface OR computer-based OR cellular phone OR mobile phone OR remote consultation OR world wide web OR website)
214
Limits: Articles; Topic
Primary outcome (3)
TS= (Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient compliance OR Patient cooperation OR Patient adherence OR Patient non-compliance OR Patient non compliance OR Patient nonadherence OR Patient Noncompliance OR Patient Non-adherence OR Patient non adherence OR Medication adherence OR Medication compliance OR Medication nonadherence OR Medication non-compliance OR Medication non compliance OR Medication* OR medication prescribed OR Noncompliance OR Medication non-adherence OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refus* OR Refusal of Treatment OR Patient Refusal of Treatment)
Limits: Articles; Topic
In total, (1) AND (2) AND (3)
Limits: Articles; Topic
215
Supplemental Table 5.3: Coding manual for behavior change technique
Modified from De Bruin M, Viechtbauer W, Hospers HJ, Schaalma HP, Kok G. Variability in standard care quality of HAART-adherence studies: Implications for the interpretation and comparison of intervention effects.
Health Psychology and/or
De Bruin M, Viechtbauer W, Schaalma HP, Kok G, Abraham C, Hospers HJ. Standard care impact intervention effects in HAART adherence RCTs: A meta-analysis. Archives of Internal Medicine,
The orignal version of this coding manual was developped for behavioral interventions in patients with HIV. We made some minor modifications to use it for patients with type 2 diabetes. General guidelines for using this manual for intervention coding Please carefully read the taxonomy list before coding the intervention articles. Suggestions for optimal coding:
Read the [coding material] once before actual coding. Highlight relevant sections. Scan the different techniques presented in the coding table (last page). Start coding the relevant sections using the coding table. In case of any doubt between techniques,
always turn to the description of the techniques presented in this document. Always make a note in the original material when coding a technique. There are 4 coding columns in the coding table. Two for first intervention contact, two for follow-
up contacts. The white column to code techniques about which the coder is relatively sure, the grey section to note techniques about which the coder is unsure and may want to get back to later.
Two techniques, i.e. Self-report of behavior and Electronic monitoring of behavior, are no actual behavioral change techniques. Coding of these techniques is informative but should not add to a score for quality of the intervention.
Tips: 1] Print this document with 2 pages per sheet, 1-sided, so you only have 3 pages with detailed
techniques 2] Practice and discuss coding on 5 interventions before the studies selected for the review/meta-
analysis
General guidelines for using the taxonomy as a tool for intervention development The behavior change techniques described in this manual have been obtained from behavioral theories. Research has shown that, when applying these principles of change, certain parameters should be taken into account for optimal effectiveness (or to prevent boomerang effects). For an overview of these parameters, see:
Bartholomew LK, Parcel GS, Kok G, Gottlieb NH. Planning health promotion programs: An Intervention Mapping approach. First edition ed. San Fransisco: Jossey-Bass; 2006 (Chapter 7); for the relevant theories examine chapters 3 and 4 of this book, and “Abraham C, Michie S. A taxonomy of behavior change techniques used in interventions. Health Psychol. 2008;27 (3):379-387”.
General guidelines for using this taxonomy when reporting standard and intervention care This taxonomy and the taxonomy developed by Abraham and Michie (see previous reference) can be used to standardize descriptions of the active components of intervention and standard care delivered in research trials. For readers to understand better what is actually done in these trials, either use the BCT labels in these taxonomies and reference the taxonomy, or ensure that the description of standard and intervention care entails sufficient detail to allow coding with these taxonomies (i.e., explain what should change (i.e., determinants), through what principles this change should be accomplished, and how this was translated in practice). General techniques
216
The three general techniques described below are techniques that can be an addition to specific behavior change techniques (described on the following pages). If a general technique can be relevant for a specific technique, it will be mentioned in the definition of that specific technique. In case a general technique is applied to a specific technique, it should be scored in addition to the specific technique. There are cases where the general technique “2. Tailoring” can be applied to the intervention strategy as a whole, rather than to a specific technique: 2a: Tailoring the whole intervention protocol based on patient characteristics measured beforehand. 2b: Tailoring the number of visits to the need of a patient. Such instances should be coded separately. On the bottom of the coding table (final page), describe the use of these two techniques in the appropriate cells. 1. Individualization The provision of opportunities for learners to have personal questions answered or instructions paced according to their individual progress. Merely the assumption that there is the opportunity for the patient to ask questions because there is a 1-on-1 contact is not sufficient to score this technique: the patient must be either prompted to ask questions and/or it must be stated that instructions are paced according to individual progress and how it was paced. 2. Tailoring Adapt the complete intervention strategy or specific intervention component(s) to previously measured characteristics of the patient. Score tailoring at the following different levels (see coding table, final page): a) Macro-tailoring (group level): The intervention is adapted to certain pre-tested characteristics of the patients (e.g. a different intervention is applied to patients in different motivational stages; the type of intervention depends on the level of adherence; the materials have been made culturally sensitive). b) Attention-tailoring (individual level): The amount of intervention contacts depends on the needs of the patient (e.g. someone with complex adherence problems would return after 4 weeks instead of 12 weeks). c) Micro-tailoring (individual level): Specific behavior change techniques of the intervention strategy are tailored to the patient (e.g. action plan tailored to individual’s lifestyle; risk information tailored to patient’s risk status). Note: All these techniques can be used in one intervention. For example, it is possible to macro-tailor the intervention on level of adherence (group tailoring) and to attention-tailor the number of intervention contacts and micro-tailor components of that intervention to characteristics of individuals. 3. Participation The basic approach of the intervention, or the approach with regard to specific techniques, is to actively involve the patient in various stages of the intervention. For example, when identifying reasons for high adherence, or when determining the causes of non-adherence, how to change behavior, or which behavior change goals are feasible. An intervention description that states a dialogue should occur could be an instance of this technique, but there should be some specification on how participation was organized in relation to specific techniques. Participation logically leads to micro-tailoring of techniques, so participation and micro-tailoring may often look similar and can then be scored as either of the two, depending on which one is shown in the coding table under the relevant specific technique. Note: To score this technique the patient must be prompted at various stages of the intervention to provide input or make decisions. Specific techniques Knowledge
217
1. Provide General Information Basic information about type 2 diabetes, the medicines, the role of adherence, and how much adherence is enough. Tailored: Information is tailored to the current level of knowledge and the needs of the patient (requires first assessing this information/the need) Individualization: The patient is prompted to have personal questions answered; includes 1-on-1 communication between patient and professional (questions, clarification, and elaboration) (or confidential small-group sessions) Note: Do not code here Negative consequences of target behaviors, instead code #3 “Risk
communication.” Do not code here Positive consequences of target behaviors; instead code #15 “Persuasive argument.” All three techniques (1, 3, and 15) can be used concurrently.
2. Increase memory and/or understanding of transferred information Use of images, metaphors, rehearsing or repeating information in own words, and similar strategies to help store in long-term memory. Also includes group discussion with an expert present; it is patient-active and includes patient prompts to ask questions, clarification, and elaboration. Merely group setting is not sufficient to be coded here. Awareness 3. Risk communication Information about costs/risks of action or inaction with respect to target behaviors. Also includes risk-communication strategies, such as scenario-based risk information and fear appeals. Tailored: Communication/information is tailored to the patient’s risk status (e.g. current behavior, clinical profile). Note: Do not code here positive consequences of target behaviors; instead code #15 “Persuasive
argument.” Note: Do not code here messages not including info on + or – outcomes; instead code #1 “General
information.” 4. Self-monitoring of behavior Patient keeps a record of specified behaviors, e.g., a diary or a questionnaire of behavior over multiple time points between two intervention contacts (minimum 1 week to all days); or strategies were patients have to make notes of when and in what situation s/he experienced problems regarding the execution of the behaviors/goals set. Note: Do not code here self-reports of behavior at one specific time-point, because self-report does not
require previous self-monitoring and does not result in increased behavioral awareness of patient during period of behavioral execution; code instead #5 “Self-report of behavior.”
Note: When #4 Self-monitoring includes reporting the outcomes to the professionals delivering the intervention, only code #4 Self-monitoring. #5 Self-report is purely for behavioral assessment and needs to be mentioned separately.
5. Self-report of behavior (Note: An assessment technique, not an actual change technique!) Without prior instances of self-monitoring (#4), the patient is asked to self-report behavior (for at least the last 3 days). Also includes an electronic monitoring device that requires pressing a button at every intake. Note: Different from technique #4 in that self-report does not involve reporting actively self-monitored
data. Note: Do not code #5 Self-report when it is part of #4 Self-monitoring. The behavioral assessment #5
Self-report must be mentioned separately. 6. Electronic monitoring of behavior (Note: An assessment technique, not an actual change technique!)
218
Patient is asked to monitor medication intake using an electronic monitoring device (e.g., MEMS-cap, SMART-cap, SimPil, TrackCap, etc) that automatically records “medication intake”. Note: Do not code here an electronic device that requires the patient to press a button to register
medication intake; instead code #5 “Self-report of behavior”. Note: Code here use of a SMART-cap (or, MEMS-view cap) that is used for behavior monitoring, and
also code #9 “Direct feedback on behavior.” 7. Reflective listening: direct feedback of cognitions and emotions Feedback of cognitions and emotions through reflective statements during 1-on-1 communication with the professional intended to increase awareness of own ideas, argumentation, emotions and relationships between these elements. Scoring requires explicit mention of this technique. Note: Code here for single MI-session Note: Do not code here reflective statements reflecting ambivalence between important goals/values in
life and current behavior; instead code technique #14 “Reevaluation, self-evaluation.” Note: Do not code here feedback of behavior; instead code either #8 “Feedback: Delayed” or technique #9
“Feedback: Direct.” 8. Feedback: Delayed feedback of behavior a. Provide patient with an overview of recorded behavior; typically follows the previous setting of a desired/ ideal / recommended level of behavior. The behavior has to be recorded daily using either technique #4 Self-monitoring, #5 Self-report (pressing electronic button), or #6 Electronic monitoring. Score whether behavior was recorded subjectively (technique #4 & #5-electronic button) or objectively (#6). b. Provide an objective reference for self-reported behavior – providing an objective reference for #5 Self-report (not electronic) over the last 3-7 days through feedback of Therapeutic Drug Levels (TDM). Note: Do not code here self-report that is not combined with an objective reference; instead code only #5
“Self-report of behavior.” Note: Do not code here a system/technology enabling the patient to notice in daily life when medication
has not been taken; instead code #9 “Feedback: Direct.” Note: Do not code here feedback that is linked to previously formulated goals; instead code #27 “Review
of goals”. Both techniques can be used concurrently. 9. Feedback: Direct feedback of behavior Involves a system/technology designed to make people aware of their (lack of) behavioral performance (forgetting dose) soon after (<24 hours) planned execution (e.g., a dosette box with medication organized for every day of the week; a so-called SMART-cap with a display showing cap openings per day; a daily pill diary; a blister pack with days of the week). A medication diary or journal could be coded here. Note: Do not code here a patient providing feedback with an overview of recorded data; instead code #8a
“Feedback: Delayed, Overview.” Note: If this technique #9 is used to facilitate self-monitoring of behavior, also code #4 “Self-monitoring.” 10. Feedback of clinical outcomes Concerns feedback provided to the patient about clinical outcomes, i.e. glycemia and HbA1c. Note: Do not code here when therapeutic drug levels are fed back to patients; instead code self-monitoring
# 8b “Feedback: Delayed, Objective reference.” Social influence 11. Provide information about peer behavior (“Peer passive”) Information about what peers (i.e. people with type 2 diabetes using antidiabetic medication) do or think in relation to the target behavior or preparatory behaviors. This can be provided verbally or by using detailed case studies in text or in video. Focus is on providing social reference.
219
Note: Do not code here a group setting with peers; instead code #12 Opportunities for social comparison.” Note: Do not code here social norm of important others; instead code #13 “Mobilize social norm.” Note: Do not code here how to perform a behavior to increase self-efficacy; instead code #18 “Modeling.” 12. Provide opportunities for social comparison (“Peer active”) Group sessions with peers in which discussion and social comparison can occur, not with the purpose of role modeling, but with the focus on providing social reference. Only score this technique in case discussion of adherence and/or preparatory behaviors is prompted, or experiences with these behaviors are shared (personal stories). Med Adher Behavior Change Taxonomy 02/10/11 13. Mobilize social norm (“Important others”) Involves exposing the patient to the social norm of important others in relation to their execution of the target or preparatory behaviors. Important others may be family members, partners, friends, and also healthcare professionals (on the condition that they are important, i.e. valued and trusted experts). Note: Do not code here social reference or comparison that explicitly focuses on peers instead of on important others; instead code #11 “Info about peer behavior (Peer passive)” or #12 “Social comparison (Peer active).” Attitude 14. Reevaluation of outcomes, self-evaluation Prompts to go through a process of (re)evaluation of outcomes of current behavior and alternative behaviors, and how these behaviors and outcomes relate to self-identity and/or important goals and values in life. Includes comparison of desired behavior versus actual behavior (e.g: Self-regulation theory), reflections of ambivalence/discrepancy between current behavior and goals/values, or assessment of the impact one’s behavior has on one’s environment (environmental reevaluation) with the aim to increase people’s motivation. Note: Code here for single MI-session Note: Do not code here comparing actual behavior (following monitoring or self-report) with previously
formulated behavioral goals; instead code #27 “Review of general and/or specific goals.” 15. Persuasive argument, belief selection Messages designed to strengthen positive beliefs about the outcome of the target behavior/behavior change and/or weaken negative beliefs about behavioral change. New beliefs may be introduced, or new information may be offered with the purpose to create new beliefs. Tailored: Beliefs about the target behavior are explored after which the information is tailored to current belief structure. Note: Do not code here argumentation to increase the efficacy beliefs; instead code #19 “Verbal
persuasion.” 16. Reinforcement on behavioral progress, provide contingent rewards Techniques such as praise and encouragement that reinforce behavioral progress. Also includes material rewards and self-reward strategies, but the reward/incentive must be explicitly linked to the achievement of specified goals. Note: Do not code here techniques that reinforce motivational progress; instead code #17 “Reinforcement
on motivational progress, provide contingent rewards, affirmation.” 17. Reinforcement on motivational progress, provide contingent rewards, affirmation Includes praise and affirming remarks, as well as material rewards, following patient statements indicating movement towards increased motivation to change. Also includes reinforcement of efforts to actively participate in the intervention program. Note: Code here for single MI-session Note: Do not code here techniques that reinforce behavioral progress; instead code #16 “Reinforcement
on behavioral progress, provide contingent rewards.”
220
Self-efficacy / Skills 18. Modeling Involves showing the patient step-by-step how to correctly perform a complex/challenging (set of) behavior (e.g. face-to-face demonstration by a professional to an individual, group, or class; video demonstration) with the objective to increase people’s confidence in dealing with complex situations. Note: Do not code here techniques that focus on providing social reference; instead code #11 “Provide information about peer behavior (“Peer passive”)” or #12 “Provide opportunities for social comparison (“Peer active”).” 19. Verbal persuasion (You can do it) Persuasive messages designed to strengthen perceived efficacy/control beliefs related to execution of the target or preparatory behaviors. New beliefs may be induced and/or new information may be offered to create new control beliefs. This may take the form of tips or tricks for successful performance of behavior (i.e. often used strategies and Med Adher general tips from which the patient can choose); however, when tips are used, these must be relevant for the behavior of the individual at that moment. Tailoring: Control beliefs about target behavior are explored after which the information delivered is tailored to the patient’s current belief structure and/or personal situation and/or capabilities. Note: Do not code here techniques that focus on persuasive arguments about outcomes of behavior; instead
code #15 “Persuasive argument, belief selection.” Note: Do not code here presenting a list of general tips that may at some time be useful for the patient in
the future; instead code #1“Provide general information.” 20. Practice, guided practice Prompt the patient to rehearse and repeat the behavior or preparatory behavior various times; or have the patient practice the behavior with the professional, after which they discuss the exercise and the professional provides feedback. Both these strategies are directed at increasing skill and confidence to execute target behaviors. 21. Plan coping responses Determine actual or perceived barriers to adherence/preparatory behaviors, and ways to overcome these, in order to increase patients’ confidence in being able to achieve these behavioral goals. Involves a focus on specific (anticipated or experienced) obstacles to performance. Barriers may include competing goals in specified situations, e.g., prioritizing between goals in favor of the target behavior; or “problem solving” if it is in relation to performance of behavior; or prompting the patient to perform self-regulatory behaviors (i.e. self-monitoring discrepancies between intended and actual behavior; and identifying strategies to overcome these). Participation: Prompting the patient to both determine barriers and ways to overcome these; participation does not look like instructions. Note: Code here for single MI-session (participation) Note: Do not code here planning goal-directed behaviors that are not the result of specific barrier
identification; instead code #26 “Specific goal setting.” Note: Do not code here techniques focused on maintenance of behavior after change occurred; instead code
technique #32 “Formulate goals for maintenance of behavior.” Note: Do not code here general instructions on what the patient can do while no specific problems have yet
arisen (sometimes part of information sessions/leaflets); instead code technique #1 “Provide general information.”
22. Set graded tasks, goal setting
221
Movement towards complex/difficult goals is broken down into simple (but challenging) steps. The key aspect of this technique lies in planning to perform a sequence of preparatory actions that increases in difficulty over time, OR breaking down a complex task into manageable subtasks. Participation: The patient determines whether or not the task is too complex and in which steps the task should be broken down to be manageable; participation does not look like instructions. Note: Do not code here simply planning out a sequence of actions in detail, which does not follow from
patients indicating the task is too complex/challenging; instead code #26 “Specific goal setting.” 23. Reattribution training, external attribution of failure Help patient reinterpret (previous) failure in terms of either unstable and/or changeable attributions; and previous successes in terms of stable and internal attributions. OR attribute failure to an external but controllable/avoidable factor, so that patient remains confident to attempt executing the behavior again. Intention / Action Planning 24. General intention formation Involves setting a general behavioral goal for the patient (e.g. take all medication on time) or formulating the desired outcomes of the behavior (e.g. HbA1c< 7%). Includes, as part of the action planning phase, explaining to patients that they are supposed to take all medications (on time) in order for treatment success, and that the goal of the treatment is to achieve a HbA1c< 7%” Participation: Encourage the patient him/herself to set a general goal or make a behavioral resolution; participation does not look like instructions. Note: Setting goals is part of MI, but scoring requires explicit mention of this technique. Note: Do not code here explaining goals of treatment if it is not part of an “action planning phase”; instead
code #1“Provide general information.” Note: Do not code here planning exactly what will be done or when the behavior/action sequence will be
performed in order to accomplish high antidiabetic adherence/ HbA1c< 7%”; instead code #26 “Specific goal setting.”
Note: Do not code here planning only the time of day for taking medication without any intentional expressions such as “I intend to take all medication on time”; instead code #25 “Develop medication intake schedule."
Note: Do not code here when patients are informed as part of the educational phase about the role of antidiabetic adherence in diabetes control and that the treatment should result in an HbA1c< 7%”; instead code #1 “Provide general information.”
25. Develop medication intake schedule Involves development of a schedule (time) of when to take the medication; basic planning of medication intake. Tailored/ Participation: Patient is actively involved in determining when the medication intake is planned. May also be referred to as “tailored medication plan” In writing: Medication schedule is written down for the patient to take home; can be pictures of medication/time of intake Note: Do not code here planning preparatory behaviors or setting behavioral goals to change or facilitate
adherence; code instead #26 “Specific goal setting.” Note: Code #30 “Use of cues” for linking of medication intake to daily routines or other cues. 26. Specific goal setting Involves planning what the patient will do including, at least, a definition of the goal-directed behaviors that should result in improved adherence, decrease in required efforts to adhere, or HbA1c< 7% (e.g., store spare doses of medicines at different locations). May include the specific contexts or situation in which the behavior will be performed (e.g. if-then plans: when leaving my house, I will take medication along). Includes the terms “Goal setting” and “Personal/action plan” since these do suggest formulation of goal-directed behaviors. Relates to action plans to increase or facilitate adherence on top of, or after, basic
222
medication intake planning described in technique #25. Participation: Encourage the patient to develop behavioral goals that best fit his/her lifestyle and intentions. Includes jointly developed or tailored action plans; participation does not look like instructions. In writing: Goals can be written down in an action/personal plan for the patient to take home. Note: Goal-directed behavior that has been further specified in terms of “when, where, how, or with whom to act/if-then plans” is an instance of implementation intentions and should also be coded as technique #30 “Use of cues;” however, this does not automatically imply #24 “General intention formation.” Note: Do not code here specific goal setting that is preceded by identifying important
anticipated/experienced problems; instead code #21 “Plan coping responses.” Note: Do not code here medication intake planning that does not included formulation of sub-behaviors or
preparatory behaviors that should lead to improved levels of adherence; instead code #25 “General intention formation.”
27. Review of general and/or specific goals Involves reconsideration of previously set goals or intentions following previous goal setting and an attempt to act on those goals Participation: Encourage patient to reflect on previously set goals and intentions, and think about whether or not these still suffice; participation does not look like reflections from the professional. Note: Do not code here comparison of actual behavior (following period of monitoring) to desired
behavior; instead code #14 “Reevaluation of outcomes, self-evaluation.” 28. Agree behavioral contract Commitment to certain (behavioral) goals formulated in such a manner that non-adherence to these goals would have undesirable consequences for the patient, e.g. public commitment/signed contract. The patient must be aware at the moment of commitment/signing that these intentions will be evaluated in the future. Note: Do not code here techniques do not involve public commitment or explicit signing; instead code
written medication schedules as sub-technique #25 “Medication intake schedule/ in writing,” or written personal/action plans as sub-technique #26 “Specific goal setting/ in writing.”
Action control 29. Use of social support Involves prompting the patient to think about how others could help change their behavior by providing assistance, (instrumental) social support, or emotional support; and planning to organize social support. Includes provision of support during the intervention, e.g. a “buddy” system or other forms of support Note: If technique is part of planning a coping response because other people’s behavior is perceived to be a
key barrier to successful performance, code here and also code #21 “Plan coping responses.” 30. Use of cues Teach or stimulate patient to identify environmental prompts that can be used to remind them of the behavior/goals set. Includes times of day, alarm devices, stickers, doses of medication at visible location, particular contexts, or elements of contexts to help patient remember. Also includes implementation intentions, i.e., formulating specific goals in terms of “where, when, how, or with whom to act.” Note: If this technique includes implementation intentions, also code #26 “Specific goal setting”;
however, this does not automatically imply use of #24 “General intention formation.” Note: Cues can also be used independent of #26 “Specific goal setting.”
Note: Do not code here the mere use of the terms “goal setting” or “personal or action plan” or descriptions without clear illustration of this level of detail (i.e., environmental prompts or implementation intentions); instead code #26 “Specific goal setting.”
Note: Do not code here when people in the direct environment are asked to help remember intake of medication; instead code #29 “Prompt use of social support.”
223
31. Self-persuasion (I can do it) Encourage/learn the patient to use self-motivating strategies to increase motivation and confidence during periods of behavioral action. This often takes the form of self-talk, i.e. prompt the patient to talk to themselves (aloud or silently) before and during planned behaviors to encourage and support action. Maintenance 32. Formulate goals for maintenance of behavior Includes at least the method described in technique #26 “Specific goal setting” but now focused on maintenance of behavior after change has occurred. May also include the method described in technique #24 “General intention formation”, if that is focused on behavioral maintenance. Participation: Encourage patient to develop goals to maintain behavior that best fit his/her lifestyle and intentions; participation does not look like instructions. 33. Relapse prevention Following behavioral change, apply the same method as described in technique #21 “Plan coping responses” but now focused on (long-term) maintenance of behavior. Participation: Prompt the patient to determine both barriers and ways to overcome these; participation does not look like instructions. Facilitation of behavior 34. Provide materials to facilitate behavior, or provide facilities to perform the behavior Supportive materials are provided to the patients (e.g. reminder devices; dosette box; SMART-cap). Function of the material must be directly related to improvement of the target or preparatory behaviors, not to facilitate study-related behaviors (e.g. using a MEMS-cap to monitor adherence). Note: Do not code here material that consists of written goals/instructions/medication schedule; instead
code either sub-techniques #25 “Medication intake schedule/ in writing” or #26 “Specific goal setting/ in writing.”
Note: Do not code here different materials (e.g. leaflet with information, video, workbook) used to deliver the intervention; instead list the materials used at the bottom of the table on the coding form.
35. Continuous professional support Involves sending letters, making telephone calls, and opportunities for unplanned visits or follow up meetings after the major part of the behavior change intervention has been completed. Includes the opportunity for patients to contact their physician, nurse, or other intervention professional in case of problems Note: Do not code here contacts that are an intrinsic part of the behavior change intervention. Note: Do not code here contacts that are intended to serve as cues for behavior or as reminders of
formulated goals; instead code technique #30 “Use of cues.” Note: Do not code here support that relates to side-effects; instead code technique #37 “Cope with side-
effects.” 36. Individualize regimen Explicit mention that the regimen type (number of doses, number of pills per doses) is tailored to the needs of the patient. Note: Do not code here strategies such as “tailored medication plan” that involve tailoring when medication
is taken, but not the medication itself; instead code #25 “Develop medication intake schedule” and its sub-technique “Participation.”
37. Cope with side-effects Physician actively informs about side-effects and provides solutions for these (e.g., switching medicines or
224
additional medication to suppress side-effects) OR prompts to contact healthcare professional between visits in case side-effects are experienced. Includes opportunity for patient to contact healthcare professional continuously for side-effects Note: Do not code #35 “Continuous professional support” for continuous professional support related to
side-effects. 38. Reduce environmental barriers Activities aimed at reducing/solving problems that compete for attention with the target behavior, e.g. dealing with unemployment, legal issues, lack of food and housing, etc.
225
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
Section 1 : Population Is the source population well described? Description of country, type of healthcare system, setting, etc.?
++ 10 + 4 - 0
NR 0 NA 0
Is the eligible population representative of the source population? Well defined recruitment? Important groups under-represented?
++ 1 + 3 - 9
NR 1 NA 0
Do the selected participants represent the eligible population? Selection method well described? % of selected agreed to participate? Inclusion/exclusion criteria explicit and appropriate?
++ 5 + 6 - 2
NR 1 NA 0
continued on next page
226
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
Section 2 : Allocation to intervention or comparison How was selection bias minimised? Allocation to exposure and comparison randomised? Truly random (++), pseudo-random (e.g. consecutive admissions) (+)? Was significant confounding likely (-) or not (+)?
++ 11 + 2 - 1
NR 0 NA 0
Were interventions and comparisons well described and appropriate? (i.e enough for study to be replicated)
++ 7 + 7 - 0
NR 0 NA 0
Was the allocation concealed? Adequate allocation concealment would include centralised allocation or computerised allocation systems (++).
++ 7 + 1 - 1
NR 3 NA 2
227
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
Were participants and/or investigators blind to exposure and comparison? If lack of blinding is likely to cause bias, score (-).
++ 2 + 6 - 5
NR 1 NA 0
Was the exposure to the intervention and comparison adequate?
++ 10 + 4 - 0
NR 0 NA 0
Was contamination acceptably low?
++ 9 + 3 - 1
NR 1 NA 0
Were other interventions similar in both groups?
++ 0 + 1 - 0
NR 13 NA 0
Were all participants accounted for at the study conclusion?
++ 8 + 4 - 2
NR 0 NA 0
continued on next page
228
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
Section 3: Outcomes Were outcome measures reliable?
++ 8 + 3 - 2
NR 1 NA 0
Were all outcome measurements complete?
++ 10 + 4 - 0
NR 0 NA 0
Were all important outcomes assessed?
++ 10 + 2 - 2
NR 0 NA 0
Were outcomes relevant?
++ 14 + 0 - 0
NR 0 NA 0
Were follow-up times similar between groups?
++ 14 + 0 - 0
NR 0 NA 0
229
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
Was follow-up time meaningful?
++ 13 + 1 - 0
NR 0 NA 0
Section 4 : Analyses Were exposure and comparison groups similar at baseline? If not, were these adjusted?
++ 9 + 5 - 0
NR 0 NA 0
Was the study sufficiently powered?
++ 1 + 11 - 1
NR 1 NA 0
Were the statistical methods appropriate?
++ 7 + 6 - 0
NR 1 NA 0
Section 5 : Summary Are the study results internally valid?
++ 4 + 7 - 3
230
Supplemental Table 5.4: Assessment of the methodological quality of intervention studies
Assessment criteria
Ass
essm
ent
Bog
ner/
201
0
Bog
ner/
201
2
Bre
nnan
*/ 2
012
Farm
er/ 2
012
Hei
lser
/ 201
0
Lin
/ 201
2
Meh
uys/
201
1
Nes
ari/
2010
Phu
mip
amor
n/
2008
Ros
en/ 2
004
Wal
ker/
201
1
Ode
gard
/ 201
2
Zol
fagh
ari/
2012
Rot
hsch
ild,/
2013
Tot
al
External validity? ++ 0 + 4 - 10
++ = good, + = medium, - = low, NR= Not reported, NA= not applicable *The criteria related to blinding, concealment, and allocation groups were not applicable for Brennan’s study. Consequently, we assessed the possibility of selection, information and confounding bias. We found that there were high possibility of selection bias and residual confounding bias.
231
Supplemental Table 5.5 : OAD adherence characteristics and intervention effects
Study 1. Authors 2. Year
Instrument OAD adherence characteristics Intervention Control P-value Study quality
1. Primary outcome 2. Type of measure 3. Validity’s proofs
4. Measure duration 5. Score definition 6. Variable form
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Internal 2. External
1. Rothschild 2. 2013
MEMS 1. No 2. Electronic 3. NR
4. 4 weeks 5. 0 (low)–100 (high) 6. ≥ 80% (adherents)
1. 44.4% 2. Graphic form 3. NA
1. 43.7% 2. Graphic form 3. NA
> 0.050 1. Good 2. Low
4-item Morisky
1. No 2. Self-report 3. Yes
4. NR 5. 0 (low)–4 (high) 6. = 4 (adherents)
1. 30.6% 2. NR 3. NA
1. 28.2% 2. NR 3. NA
NR
1. Zolfaghari 2. 2012
11-item SCDQ 1. Yes 2. Self-report 3. Yes
4. NR 5. 0 (low)–100 (high) 6. Continuous
1. 75.5% (14·3%) 2. 91.1% (11.6%) 3. NA
1. 73.3% (14.8%) 2. 94.7% (7.6%) 3. NA
0.037 1. Medium 2. Low
1. Odegard 2. 2012
MPR 1. Yes 2. Database 3. Yes
4. 48 weeks 5. 0 (low)–1 (high) 6. Continuous
1. 0.86 (0.17) 2. 0.90 (0.20) 3. NA
1. 0.84 (0.15) 2. 0.82 (0.20) 3. NA
0.01 1. Medium 2. Medium
1. Lin 2. 2012
APRD 1. Yes 2. Database 3. Yes
4. 48 weeks 5. 0 (low)–1 (high) 6. Continuous
1. 0.83 (0.19) 2. 0.85 (0.17) 3. NA
1. 0.83 (0.20) 2. 0.85 (0.18) 3. NA
> 0.050 1. Medium 2. Low
1. Farmer 2. 2012
EMC 1. Yes 2. Electronic 3. Yes
4. 12 weeks 5. 0 (low)–100 (high) 6. Continuous
1. Not measured 2. 77.4% (26.3%) 3. NA
1. Not measured 2. 69.0% (30.8%) 3. NA
0.044 1. Medium 2. Medium
5-item MARS 1. Yes 2. Self-report 3. Yes
4. NR 5. 5 (low)–25 (high) 6. Continuous
1. 23.6 (2.3) 2. 23.6 (2.6) 3. NA
1. 23.6 (2.8) 2. 24.1 (1.6) 3. NA
0.200
1. Bogner 2. 2012
MEMS 1. Yes 2. Electronic 3. Yes
4. NR 5. 0 (low)–100 (high) 6. ≥ 80% (adherents)
1. 35.9% 2. 62% 3. 65.2%
1. 42% 2. 34.1% 3. 30.7%
<0.001 1. Medium 2. Medium
continued on next page
232
Supplemental Table 5.5 : OAD adherence characteristics and intervention effects
Study 1. Authors 2. Year
Instrument OAD adherence characteristics Intervention Control P-value Study quality
1. Primary outcome 2. Type of measure 3. Validity’s proofs
4. Measure duration 5. Score definition 6. Variable form
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Internal 2. External
1. Walker* 2. 2011
MPR 1. No 2. Database 3. NR
4. 48 weeks 5. 0 (low)–100 (high) 6. ∆MPR≥ 20%
1. NR 2. NR 3. NA
1. NR 2. NR 3. NA
0.005 1. Good 2. Medium
4-item Morisky
1. No 2. Self-report 3. Yes
4. NR 5. 0 (low)–4 (high) 6. > 2 (adherents)
1. 64.9% 2. NR 3. NA
1. 61.4% 2. NR 3. NA
> 0.050
1-item SDSCA
1. No 2. Self-report 3. Yes
4. 1 week 5. 0 (low)–7 (high) 6. ≥ 7 (adherents)
1. 72.1% 2. NR 3. NA
1. 74.6% 2. NR 3. NA
> 0.050
1. Nesari 2. 2010
7-item SRQ 1. Yes 2. Self-report 3. Yes
4. NR 5. 0 (low)–100 (high) 6. Continuous
1. 61.1% (19.4) 2. 89.6% (10.0) 3. NA
1. 75.1% (15.6) 2. 78.0% (17.7) 3. NA
< 0.001 1. Good 2. Low
1. Heisler 2. 2010
NR 1. No 2. Self-report 3. Yes
4. 1 week 5. Missed dose/week 6. 0 missed (adherents)
1. 28% 2. 30% 3. NA
1. 34% 2. 37% 3. NA
0.540 1. Good 2. Low
1. Bogner 2. 2010
MEMS 1. Yes 2. Electronic 3. Yes
4. 2 weeks 5. 0 (low)–100 (high) 6. > 80% (adherents)
1. 34.5% 2. 62.1% 3. NA
1. 20.7% 2. 24.1% 3. NA
0.004 1. Medium 2. Low
1. Rosen 2. 2004
MEMS 1. Yes 2. Electronic 3. Yes
4. 4 weeks 5. 0 (low)–100 (high) 6. Continuous
1. 60% (NR) 2. 80% (NR) 3. 70% (NR)
1. 60% (NR) 2. 65% (NR) 3. 60% (NR)
0.017 1. Medium 2. Low
1-item 1. No 2. Self-report 3. No
4. 4 weeks 5. 0 (low)–100 (high) 6. Continuous
1. 85% (NR) 2. 88% (NR) 3. 75% (NR)
1. 93% (NR) 2. 93% (NR) 3. 95% (NR)
0.520
*Intervention effect was reported as odds ratio= 2.0, 95%CI= 1.2–3.2 NR= not reported; NA= not applicable; OAD= oral antidiabetic; SD= standard deviation; SCDQ= self-care diabetes questionnaire; MEMS= medication event monitoring
233
Supplemental Table 5.5 : OAD adherence characteristics and intervention effects
Study 1. Authors 2. Year
Instrument OAD adherence characteristics Intervention Control P-value Study quality
1. Primary outcome 2. Type of measure 3. Validity’s proofs
4. Measure duration 5. Score definition 6. Variable form
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Pre-intervention. 2. Post-intervention. 3. Follow-ups
1. Internal 2. External
system; EMC= electronic medication container; APRD= automated pharmacy refill data; MPR= medication possession ratio; SRQ= self-reported questionnaire; MARS= Medication Adherence Rating Scale; SRDC= self-reported drug compliance.
234
Supplemental Table 5.6 : Sensitivity analyses, omitting each study one by one using random-effect model
Omitted study
Pooled effect Statistic and P-value Heterogeneity test
Bogner, 2010
0.15 [-0.11, 0.42] Test for overall effect: Z = 1.13 (P = 0.26)
Heterogeneity: Tau² = 0.13; Chi² = 45.79, df = 8 (P < 0.00001); I² = 83%
Heisler, et al.
0.26 [-0.03, 0.54] Test for overall effect: Z = 1.77 (P = 0.08)
Heterogeneity: Tau² = 0.15; Chi² = 45.31, df = 8 (P < 0.00001); I² = 82%
Nesari et al. 0.15 [-0.11, 0.42]
Test for overall effect: Z = 1.13 (P = 0.26)
Heterogeneity: Tau² = 0.13; Chi² = 45.46, df = 8 (P < 0.00001); I² = 82%
Walker et al. 0.19 [-0.11, 0.49]
Test for overall effect: Z = 1.26 (P = 0.21)
Heterogeneity: Tau² = 0.17; Chi² = 48.55, df = 8 (P < 0.00001); I² = 84%
Zolfaghari et al.
0.27 [-0.01, 0.54]
Test for overall effect: Z = 1.92 (P = 0.05)
Heterogeneity: Tau² = 0.14; Chi² = 45.31, df = 8 (P < 0.00001); I² = 82%
Odegard et al.
0.19 [-0.11, 0.48]
Test for overall effect: Z = 1.24 (P = 0.22)
Heterogeneity: Tau² = 0.17; Chi² = 47.43, df = 8 (P < 0.00001); I² = 83%
Lin et al. 0.24 [-0.06, 0.53]
Test for overall effect: Z = 1.58 (P = 0.11)
Heterogeneity: Tau² = 0.16; Chi² = 49.93, df = 8 (P < 0.00001); I² = 84%
Farmer et al. 0.26 [-0.01, 0.54]
Test for overall effect: Z = 1.87 (P = 0.06)
Heterogeneity: Tau² = 0.14; Chi² = 41.42, df = 8 (P < 0.00001); I² = 81%
Bogner 2012 et al.
0.14 [-0.12, 0.39]
Test for overall effect: Z = 1.06 (P = 0.29)
Heterogeneity: Tau² = 0.11; Chi² = 37.31, df = 8 (P < 0.0001); I² = 79%
Rothschild et al.
0.25 [-0.03, 0.53]
Test for overall effect: Z = 1.78 (P = 0.08)
Heterogeneity: Tau² = 0.15; Chi² = 47.26, df = 8 (P < 0.00001); I² = 83%
No omitting 0.21 [-0.05, 0.47]
Test for overall effect: Z = 1.56 (P = 0.12)
Heterogeneity: Tau² = 0.14; Chi² = 51.04, df = 9 (P < 0.00001); I² = 82%
235
Supplementary Figure 5.1: Funnel plot of 10 studies included in the Meta-analysis
Standardized mean difference of intervention effectiveness on the OAD adherence between intervention
Sa
mp
le s
ize
236
9.3 Supplemental material of chapter 6
Effectiveness of motivational interviewing interventions on medication adherence in adults with chronic diseases: a systematic review and meta-analysis
237
Supplemental Table 6.1: Search strategies according to the database until December 2012
MEDLINE VIA PUBMED
Intervention (1)
(Motivational OR Motivation OR Motivating OR Motivate) AND (Interview* OR Session* OR Counsel* OR Therapy) OR motivational enhancement therapy OR motivational interviewing
Limits: No limit
Primary outcome (2)
Pharmaceutical regimen [tiab] OR Pharmaceutical treatment [tiab] OR Drug regimen [tiab] OR Stop treatment [tiab] OR abandon treatment [tiab] OR Patient compliance [tiab] OR Patient cooperation [tiab] OR Patient adherence [tiab] OR Patient non-compliance [tiab] OR Patient non compliance [tiab] OR Patient nonadherence [tiab] OR Patient Noncompliance [tiab] OR Patient Non-adherence [tiab] OR Patient non adherence [tiab] OR Adherence to medication treatment OR Medication compliance [tiab] OR Medication nonadherence [tiab] OR Medication non-compliance [tiab] OR Medication non compliance [tiab] OR Medication* [tiab] OR medication prescribed [tiab] OR Noncompliance [tiab] OR Medication adherence [Mesh] OR Medication non-adherence [tiab] OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts [Mesh] OR Patient Dropout* [tiab] OR Treatment Refusal [Mesh] OR Treatment Refusal* [tiab] OR Refusal of Treatment [tiab] OR Patient Refusal of Treatment [tiab]
Limits: Title and abstract
Study design (3)
Randomized controlled trial OR controlled clinical trial OR randomization OR single blind procedure OR double blind procedure OR clinical trial/as topic OR quasi experimental study OR observational study OR pretest posttest control group design OR prospective study OR pretest posttest design OR placebo OR random*
In total,
(1) AND (2) AND (3)
EMBASE
Intervention (1)
238
A = 'motivation'/exp B = ('semi structured interview'/exp OR 'structured interview'/exp OR 'teleconsultation'/exp OR 'patient counseling'/exp OR 'behavior therapy'/exp OR 'cognitive therapy'/exp OR 'medication therapy management'/exp) C= Motivation interview (1) = ((A) AND (B)) OR (C)
Primary outcome (2)
"Medication adherence" ti,ab OR "patient compliance":de,ti,ab OR "treatment compliance":ti,ab OR "Patient Cooperation":ti,ab OR "Patient Adherence":ti,ab OR "Patient Non-Compliance":ti,ab OR "Patient Non Compliance":ti,ab OR "Patient Nonadherence":ti,ab OR "Patient Noncompliance":ti,ab OR "Patient Non-Adherence":ti,ab OR "Patient Non Adherence":ti,ab OR "Adherence to medication treatment ":ti,ab OR "Medication Compliance":ti,ab OR "Medication Nonadherence":ti,ab OR "Medication Non-Compliance":ti,ab OR "Medication Non Compliance":ti,ab OR "Medication Noncompliance":ti,ab OR "Medication Non-Adherence":ti,ab OR "Medication Non Adherence":ti,ab OR "Medication Persistence":ti,ab OR "medication taking":ti,ab OR "treatment refusal":de,ti,ab OR "Treatment Refusal":ti,ab OR "Refusal of Treatment":ti,ab OR "Patient Refusal of Treatment":ti,ab OR "drug dose regimen":ti,ab OR "treatment withdrawal":ti,ab
Limits: Title or abstract
Study design (3)
'randomized controlled trial'/exp OR 'controlled clinical trial'/exp OR 'randomization'/exp OR 'single blind procedure'/exp OR 'double blind procedure'/exp OR 'clinical trial (topic)'/exp OR 'quasi experimental study'/exp OR 'observational study'/exp OR 'pretest posttest control group design'/exp OR 'prospective study'/exp OR 'pretest posttest design'/exp OR random*
In total,
(1) AND (2) AND (3)
PsycINFO
Intervention (1)
A= Motivational OR Motivation OR Motivating OR Motivate
B = Interview OR Session OR Counseling OR Therapy
C = Motivational enhancement therapy
D = Motivational interviewing
(1) = ((A) AND (B)) OR (C) OR (D)
Limits: No limit
239
Primary outcome (2)
Patient compliance OR treatment compliance OR Patient cooperation OR Patient adherence OR Patient noncompliance OR Patient non compliance OR Patient non adherence OR Adherence to medication treatment OR Medication compliance OR Medication noncompliance OR Medication non compliance OR Medication adherence OR Medication Nonadherence OR Medication non adherence OR Medication persistence OR medication taking OR Treatment refusal OR Refusal of treatment OR Patient refusal of Treatment OR drug dose regimen OR treatment withdrawal
Limits: Title or abstract
Study design (3)
Randomized controlled trial OR controlled clinical trial OR randomization OR single blind procedure OR double blind procedure OR clinical trial/as topic OR quasi experimental study OR observational study OR pretest posttest control group design OR prospective study OR pretest posttest design OR random OR Placebo
In total, (1) AND (2) AND (3)
THE COCHRANE LIBRARY
Intervention (1)
((Motivational OR Motivation OR Motivating OR Motivate) AND (Interview* OR Session* OR Counsel* OR Therapy)) OR (motivational enhancement therapy) OR (motivational interviewing)
Limits: Trials; all text
Primary outcome (2)
Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient compliance OR Patient cooperation OR Patient adherence OR Patient non-compliance OR Patient non compliance OR Patient Noncompliance OR Patient Non-adherence OR Patient nonadherence OR Patient non adherence OR Adherence to medication treatment OR Medication compliance OR Medication nonadherence OR Medication non-compliance OR Medication non compliance OR Medication* OR medication prescribed OR Noncompliance OR Medication adherence OR Medication non-adherence OR Medication non adherence OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refusal OR Refusal of Treatment OR Patient Refusal of Treatment
Limits: Trials; Title or abstract or keywords
In total, (1) AND (2)
240
Limits: Trials
CINAHL PLUS with Full Text
Intervention (S1)
A = TX Motivational OR TX Motivation OR TX Motivating OR TX Motivate
B = TX Semi-Structured Interview OR TX Structured Interview OR TX Interview Guides OR TX counseling OR TX interview
C = TX Motivational Interviewing OR TX motivational enhancement therapy OR TX Motivation
S1 = ((A) AND (B)) OR (C)
Primary outcome (S2)
A = TI Patient Compliance OR TI Medication Compliance OR TI Medication non compliance OR TI medication adherence OR TI medication non adherence OR TI Treatment Refusal OR TI medication taking OR TI Medication Reconciliation OR TI Patient Dropouts OR TI Treatment Outcomes OR TI Medication treatment OR TI patient abandonment
B = AB Patient Compliance OR AB Medication Compliance OR AB Medication non compliance OR AB medication adherence OR AB medication non adherence OR AB Treatment Refusal OR AB medication taking OR AB Medication Reconciliation OR AB Patient Dropouts OR AB Treatment Outcomes OR AB Medication treatment OR AB patient abandonment
S2 = (A) OR (B)
Limits: Title or abstract
Study design (S3)
TX randomized controlled trial OR TX controlled clinical trial OR TX randomization OR TX single blind procedure OR TX double blind procedure OR TX clinical trial OR TX quasi experimental study OR TX observational study OR TX pretest posttest control group design OR TX prospective study OR TX pretest posttest design
In total, (S1) AND (S2) AND (S3)
Limits: Title or abstract or all adult
CURRENT CONTENTS CONNECT
241
Intervention (1)
(TS=(Motivational OR Motivation OR Motivating OR Motivate) AND TS=(Interview OR Session OR Counseling OR Therapy)) OR TS= motivational enhancement therapy OR TS= Motivational interviewing
Limits: Articles; Topic
Primary outcome (2)
TS= (Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient cooperation OR Patient adherence OR Patient nonadherence OR Patient non adherence OR Patient compliance OR Patient noncompliance OR Patient non compliance OR Adherence to medication treatment OR Medication compliance OR Medication adherence OR Medication non compliance OR Medication* OR medication prescribed OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refusal* OR Refusal of Treatment OR Patient Refusal of Treatment)
Limits: Articles; Topic
Study design (3)
TS= (randomized controlled trial OR controlled clinical trial OR randomization OR single blind procedure OR double blind procedure OR clinical trial OR quasi experimental study OR observational study OR pretest posttest control group design OR prospective study OR intervention study OR pretest posttest design)
In total, (1) AND (2) AND (3)
Limits: Articles; Topic
WEB OF SCIENCE
Intervention (1)
(TS=(Motivational OR Motivation OR Motivating OR Motivate) AND TS=(Interview OR Session OR Counseling OR Therapy)) OR TS= motivational enhancement therapy OR TS= Motivational interviewing
Limits: Articles; Topic
Primary outcome (2)
242
TS= (Pharmaceutical regimen OR Pharmaceutical treatment OR Drug regimen OR Stop* treatment* OR abandon* treatment* OR Patient cooperation OR Patient adherence OR Patient nonadherence OR Patient non adherence OR Patient compliance OR Patient noncompliance OR Patient non compliance OR Adherence to medication treatment OR Medication compliance OR Medication adherence OR Medication non compliance OR Medication* OR medication prescribed OR Medication Persistence OR medication taking OR Patient dropouts OR Patient Dropout* OR Treatment Refusal* OR Refusal of Treatment OR Patient Refusal of Treatment)
Limits: Articles; Topic
Study design (3)
TS= (randomized controlled trial OR controlled clinical trial OR randomization OR single blind procedure OR double blind procedure OR clinical trial OR quasi experimental study OR observational study OR pretest posttest control group design OR prospective study OR intervention study OR pretest posttest design)
In total, (1) AND (2) AND (3)
Limits: Articles; Topic
WEBSITES USED FOR MANUAL SEARCHES UNTIL 20 DECEMBER 2012
Association francophone de diffusion de l’entretien motivationnel, AFDEM (www.entretienmotivationnel.org/); Motivational interviewing (www.motivationalinterview.org/); Motivational interviewing network of trainers, MINT (www.motivationalinterviewing.org/bibliography); et PsyMontreal (www.psymontreal.com/).
243
Supplemental Table 6.2: Methods and results on medication adherence
Study 1. Authors 2. Year
Adherence measure characteristics Statistical analysis Results on medication adherence
1. Source 2. Instrument 3. Validity assessed
4. Reference period 5. Score definition 6. Scale
1. Statistical test 2. Regression model 3. Intention to treat
4. Missing data considered 5. Number analyzed (I - C) 6. Sufficient power
1. Pre-intervention (I versus C) 2. Post-intervention (I versus C) 3. Effect size† (95% CI; p-value)
1. Maneesriwongul 2. 2012
1. Self-report 2. AATVAS 3. yes
4. Past 28 days (4 weeks) 5. 0 (low) -100% (high) 6. Continuous
1. One way ANOVA 2. No model 3. No
4. No 5. 90 (30 – 30 - 30) 6. Yes
(MI versus UC) 1. 85.6%(11.6) versus 86.9%(9.8) 2. 97.1%(3.3) versus 89.8%(5.6) 3. 1.57 ([0.98, 2.15]; 0.000)
1. Williams - a 2. 2012
1. Self-report 2. 4-item Morisky 3. yes
4. NR 5. change = (improved, deteriorated); no change 6. change (percentage of participants)
1. Fisher’s exact test 2. No model 3. No
4. No 5. 75 (36 - 39) 6. No
1. Measured but not reported 2. 12 (33.3%) versus 14 (35.9%) 3. -0.32 ([-0.78, 0.13]; 0.160)
1. Konkle-Parker 2. 2012
1. self-report 2. Visual analog scale 3. yes
4. 28 days 5. 0 (low) -100% (high) 6. > 90% (adherents)
1. chi-squared 2. logistic regression 3. No
4. No 5. 36 (21 - 15) 6. no
1. NA 2. 18 (86%) versus 13 (87%) 3. -0.04 [-1.09, 1.01]; 0.940
1. Williams - b 2. 2012
1. Self-report 2. 4-item Morisky 3. Yes
4. NR 5. 0 (low) - 4 (high) 6. Continuous
1. Unpaired t-tests; 2. linear model; 3. Yes
4. No 5. 38 (26 -12) 6. No
1. 3.23 (0.95) versus 3.83 (0.39) 2. 3.65 (0.75) versus 3.41 (0.90) 3. 0.29 ([-0.40, 0.98]; 0.410)
1. Solomon* 2. 2012
1. Pharmacy claims data 2. MPR 3. yes
4. 360 days 5. 0 (low) -100% (high) 6. ≥80% (adherents)
1. chi-squared test 2. no model 3. yes
4. no 5. 2087 (1046 – 1041) 6. No
1. NA 2. 32.8% versus 30.3% 3. 0.06 ([-0.03, 0.15]; 0.170)
1. Ingersoll 2. 2011
1. self-report 2. TLFB method 3. yes
4. Past 14 days 5. 0 (low) -100% (high) 6. Continuous
1. ANOVA 2. mixed model 3. no
4. No 5. 42 (19 – 23) 6. NR
1. 60.2%(26.7) versus 56.4%(28.5) 2. 93.3%(10) versus 87%(25.3) 3. 0.32 ([-0.27, 0.91]; 0.290) at 3 months
Supplemental Table 6.2 continued
244
Supplemental Table 6.2: Methods and results on medication adherence
Study 1. Authors 2. Year
Adherence measure characteristics Statistical analysis Results on medication adherence
1. Source 2. Instrument 3. Validity assessed
4. Reference period 5. Score definition 6. Scale
1. Statistical test 2. Regression model 3. Intention to treat
4. Missing data considered 5. Number analyzed (I - C) 6. Sufficient power
1. Pre-intervention (I versus C) 2. Post-intervention (I versus C) 3. Effect size† (95% CI; p-value)
1. Holstad 2. 2011
1. electronic system 2. MEMS pill caps 3. NR
4. 2 weeks (at pre-interv., and at 2 weeks); and 3 months (others assessment) 5. 0 (low) -100% (high) 6. Continuous
1. NR 2. mixed regression 3. yes
4. Yes 5. 184 (93 - 91) 6. No
1. 58.2%(36.9) versus 59.5%(36.9) 2. 59.4% (NR) versus 43.1% (NR) 3. 0.30 ([0.01, 0.59]; 0.040) at 3 months
1. George 2. 2010
1. self-report 2. 4-item Morisky 3. yes
4. NR 5. 0 (high) - 4 (low) 6. =0 (adherents)
1. NR 2. no 3. no
4. no 5. 343 (170 - 173) 6. no
1. 102 (60.0%) versus 99 (57.2%) 2. 125 (73.5%) versus 110 (63.5%) 3. 0.26 ([0.00, 0.51]; 0.050)
1. Kender 2. 2010
1. Self-report 2. MARS 3. Yes
4. NR 5. 0 (low) - 10 (high) 6. Continuous
1. Test F 2. GLM 3. No
4. Yes 5. 43 (21 – 22) 6. No
1. 3.71 versus 2.09 2. 3.33 versus 1.64 3. 0.11 [-0.49, 0.71]; 0.720
1. Diiorio 2. 2009
1. Self-report 2. AGAS 3. Yes
4. Past 30 days 5. 0 (low) - 30 (high) 6. Continuous
1. t tests 2. No model 3. No
4. No 5. 20 (10 - 10) 6. No
1. measured but not reported (<0.05) 2. 4.28(0.74) versus 4.46(0.58) 3. -0.26 ([-1.14, 0.62]); 0.560)
1. Diiorio 2. 2008
1. Electronic system 2. MEMS pill caps (percent of prescribed doses taken on schedule) 3. yes
4. 90 days 5. 0 (low) – 100% (high) 6. Continuous
1. NR 2. mixed model 3. yes
4. yes 5. 213 (107 - 106) 6. yes
1. 58.0%(32.5) versus 57.0%(30.8) 2. 47.0% (31.7) versus 38.0%(31.5) 3. 0.28 ([0.01, 0.55]; 0.040)
Supplemental Table 6.2 continued
245
Supplemental Table 6.2: Methods and results on medication adherence
Study 1. Authors 2. Year
Adherence measure characteristics Statistical analysis Results on medication adherence
1. Source 2. Instrument 3. Validity assessed
4. Reference period 5. Score definition 6. Scale
1. Statistical test 2. Regression model 3. Intention to treat
4. Missing data considered 5. Number analyzed (I - C) 6. Sufficient power
1. Pre-intervention (I versus C) 2. Post-intervention (I versus C) 3. Effect size† (95% CI; p-value)
1. Ogedegbe 2. 2008
1. Electronic system 2. MEMS pill caps 3. NR
4. Past 90 days 5. 0 (low) -100% (high) 6. Continuous
1. NR 2. Mixed effects regression 3. Yes
4. Yes 5. 160 (81 – 79) 6. Yes
1. 55.4% (31.1) versus 55.2%(32.0) 2. 56.9%(34.2) versus 42.9%(34.9) 3. 0.40 ([0.08, 0.72]; 0.010)
1. Parsons* 2. 2007
1. Self-report 2. TLFB method 3. Yes
4. Past 14 days 5. 0 (low) -100% (high) 6. Continuous
1. ANOVA 2. Linear regression 3. Yes
4. No 5. 109 6. Yes
1. 78.0% (NR) versus 85.1%(NR) 2. 92.7%(NR) versus 89.4%(NR) 3. NR
1. Martino 2. 2006
1. Self-report 2. Calendar method 3. Yes
4. Past 28 days 5. 0 (low) -28 (high) 6. Continuous
1. NR 2. Random effect regression 3. Yes
4. Yes 5. 44 (24 – 20) 6. Yes
1. 20.5 (9.2) versus 15.5 (9.8) 2. 22.1 (10.2) versus 19.7 (12.0) 3. 0.22 ([-0.45, 0.89]; 0.520)
1. Golin 2. 2006
1. Pill counts, self-report, electronic system 2. Composite adherence score 3. yes
4. Past 28 days (4 weeks) 5. 0 (low) -100% (high) 6. Continuous
1. chi squared test 2. Multivariate regression 3. yes
4. no 5. 117 (59 – 58) 5. yes
1. 75.3% (globally) 2. 76.0% (27.0) versus 71.0% (27.0) 3. 0.18 ([-0.18, 0.54]; 0.330)
1. Tsang 2. 2005
1. Self-report 2. SRDC scale 3. Yes
4. Last 3 days 5. NR 6. Continuous
1. Whitney U-test 2. No model 3. No
4. No 5. 47 (28 – 19) 6. No
1. 50% adherents 2. NR 3. NR (NR; p= 0.47)
1. Samet 2. 2005
1. Self-report 2. ACTG scale 3. Yes
4. Last 30 days 5. 0 (low) -100% (high) 6. ≥ 95% (adherents)
1. NR 2. GEE model 3. Yes
4. No 5. 138 (65 – 73) 6. No
1. 68% versus 69% 2. 63% versus 62% 3. 0.03 ([-0.35, 0.41]; 0.88)
Supplemental Table 6.2 continued
246
Supplemental Table 6.2: Methods and results on medication adherence
Study 1. Authors 2. Year
Adherence measure characteristics Statistical analysis Results on medication adherence
1. Source 2. Instrument 3. Validity assessed
4. Reference period 5. Score definition 6. Scale
1. Statistical test 2. Regression model 3. Intention to treat
4. Missing data considered 5. Number analyzed (I - C) 6. Sufficient power
1. Pre-intervention (I versus C) 2. Post-intervention (I versus C) 3. Effect size† (95% CI; p-value)
1. Diiorio 2. 2003
1. Self-report 2. AGAS 3. yes
4. Past 30 days 5. 5 (low) - 30 (high) 6. Continuous
1. t-test 2. no model 3. NR
4. NR 5. 17 (8 - 9) 6. no
1. NR (p- value> 0.05) 2. 26.5 (4.78) versus 23.4 (5.10) 3. 0.59 ([-0.38, 1.56]; 0.240)
1. Safren 2. 2001
1. Self-report 2. The adherence questionnaire 3. yes
4. Past 14 days 5. 0 (low) -100% (high) 6. Continuous
1. test F 2. Analyse of variance 3. NR
4. NA 5. 56 (30 – 26) 6. yes
1. 74.0% (28.0) versus 84.0%.0 (17.0) 2. 95.0%.0 (7.0) versus 90.0% (14.0) 3. 0.06 ([-0.48, 0.60]; 0.830)
* We used the protocol of the study or bibliographic references to complete some information. † Effect size was a standardized mean difference adjusted for small sample size corresponding to Hedges’s g. NR= not reported; NA= not applicable; SD= standard deviation; GEE= generalized estimating equations; GLM= General linear model; Mean diff. = Group – control; AGAS= Antiretroviral General Adherence Scale; AATVAS= Adherence to antiretroviral therapy visual analogy scale; TLFB= Timeline follow-back; MARS= Medication Adherence Rating Scale; SRDC= Self-reported drug compliance; ACTG scale= AIDS clinical trials group scale; MI= Motivational interviewing; UC= usual care.
247
Supplemental Table 6.3: Assessment of the risk of bias
Study 1. Authors 2. Year
Random sequence generation (selection bias)
Allocation concealment (selection bias)
Blinding of participants, personnel and outcome assessors (performance bias)
Incomplete outcome data (attrition bias)
Selective outcome reporting? (reporting bias)
Other sources of bias (eg: confounding bias)
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
1. Maneesriwongul 2. 2012
1. Williams-a 2. 2012
1. Konkle-Parker 2. 2012
1. Williams-b 2. 2012
1. Solomon 2. 2012
1. Ingersoll 2. 2011
1. Holstad 2. 2011
1. George 2. 2010
1. Kender 2. 2010
1. Diiorio 2. 2009
Supplemental Table 6.3 continued
248
Supplemental Table 6.3: Assessment of the risk of bias
Study 1. Authors 2. Year
Random sequence generation (selection bias)
Allocation concealment (selection bias)
Blinding of participants, personnel and outcome assessors (performance bias)
Incomplete outcome data (attrition bias)
Selective outcome reporting? (reporting bias)
Other sources of bias (eg: confounding bias)
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
Low
ris
k
Hig
h ri
sk
Unc
lear
1. Diiorio 2. 2008
1. Ogedegbe 2. 2008
1. Parsons 2. 2007
1. Martino 2. 2006
1. Golin 2. 2006
1. Tsang 2. 2005
1. Samet 2. 2005
1. Diiorio 2. 2003
1. Safren 2. 2001
249
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
Table 6.1
Study First author First author’s name Reported the name of the first author Year Year of the article publication Reported this year Country Country of the study participants Reported the name of the country Design Design of study: Randomized controlled trial (RCT) RCT Pilot It is a pilot study or not Yes or no
Sample Setting Site of the study where the study participants were recruited
Hospital, home, health center, clinics or NR if not reported
Population Population from which the sample of the study’s participants is drawn.
Outpatients, inpatients; outpatients and inpatients, or NR if not reported.
New-users only People who newly started a medication treatment or restarted a medication treatment after discontinuation
Yes, no or NR if not reported.
Total size (I – C sizes) Total size of the study’s sample, and the number of participants in the intervention group (I) and the control group (C) at baseline
Reported these sizes (e.g., 120 (65 – 55))
Participation rate Percentage of eligible participants who accepted to participate to the study.
Reported this percentage if it was reported or deductible of the article’s data. If no, reported not report
Socio-demographic characteristics Mean age/ range Mean age of the study participants/ age range E.g., 43 (5.4) / 25 - 86, or NR if not reported % of men Percentage of men in the sample. Compute this percentage
if it is the percentage of women which was reported. Percentage of men or NR if not reported
Race or ethnicity (white; black; others)
It is the percentage of white patients, black patients and we regrouped the others races in the subcategory Others.
White, black, others or NR if not reported
Socio-economic level It is the socio-economic levels of the study participants such as mentioned in the article; or use the socio-economic level indicators such as income level and percentage of employed people.
Low, moderate, high, or NR if not reported
Participants’ disease Name Name of participant disease E.g., Type 2 diabetes, HIV Type Type of participants’ disease classified in two categories :
non communicable disease chronic (NCD) and communicable chronic disease (CCD)
NCD; CCD
Duration It is the time (expressed in years) between the diagnosis of the disease and the start of the study.
Reported the duration (e.g., 13 years) or NR if not reported
250
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
Name of studied medication It is the name of the medication of which the adherence was measured
Name of the medication or NR if not reported
Form Pharmaceutical form of medication Oral, injection, other Participants’ follow-up Strategies Strategies used to maintain the participants until the end of
the study Monetary incentives or not; NR if not reported
Duration It is the duration of participants’ follow-up, expressed in months
Reported the duration (e.g., 6 months) or NR if not reported
Number at the end Number of participants at the end of the study: total, in intervention group (I), and in control group (C)
Reported these numbers or NR if not reported
Retention rate (I= intervention versus C= control)
Percentage of participants at the end of the study: total, in intervention group (I), and in control group (C).
Reported these percentages or NR if not reported
Table 6.2
Characteristics of interventions Objectives Reported the behaviour that the intervention aimed to improve.
E.g.: medication adherence; self-management
Offered to intervention groups
It is the nature of the intervention offered to intervention group.
MI; MI plus other intervention(s); or NR if not reported
Offered to control groups It is the nature of the intervention offered to control group Usual care, usual care plus other intervention(s), or NR if not reported
Guide’s used Interventionists used a guide or manual during interventions
Yes, no, or NR if not reported
MI fidelity It is the interventionist fidelity assessment to the intervention. Is that the authors were reported it?
Assessed, not assessed or NR if not reported
Sessions SE / SO It is the number of MI sessions offered to participants in the intervention group. SE= number of planned MI sessions; SO= mean number of observed MI sessions
Reported these numbers or NR if not reported. E.g., SE= 3/ SO=2
MI session duration It is the duration of one session (D) in intervention group, expressed in minute (min)
E.g., D= 45 min, or NR if not reported
Intervention duration It is the period on which the intervention was delivered, expressed in months.
E.g., 3 months, or NR if not reported
MI description Description about medication adherence
It is the description of the MI sessions reporting its content about medication adherence.
E.g., Elicit barriers about medication adherence. NR if not reported
Interventionists Profile It is the profession of the interventionist Research agent, research assistant, nurse,
251
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
pharmacist, practionner, helper, health educator, or NR if not reported
MI training Interventionists had received a MI training on intervention before the start of the study or not
Yes, no, NR if not reported
MI training duration It is the time used for the interventionist training, expressed in hours
D = 35 hours, or NR if not reported
Coaching MI expert or MI trainer monitors the MI fidelity and gives feedback to interventionist during the MI intervention implementation.
Yes, no, NR if not reported
Supplemental Table 6.2
adherence measure characteristics (Only reported the instrument used before and after intervention)
Source It is the source of the medication adherence measure. Is that by electronic system, administrative database, self-reported (self-administrative questionnaire by web or mail; interview face-to-face or by phone); pill count?
Electronic system, self-reported, count pills, database (e.g., pharmacy claims data). NR if not reported
Instrument It is the instrument used to measure the medication adherence
Electronic system name, questionnaire name; PDC, MPR, pill count
Validity assessed Proofs of the validity/ reliability of the instrument used to measure the medication adherence were reported
Yes, no or NR if not reported
Reference period Period of time over which the medication adherence was measured
E.g., 3 months. NR if not reported
Score definition It is the definition of medication adherence score or value. Reported the extreme values (low and high values) or the qualitative values.
E.g., Continuous variable: 0 (low) – 100(high); dichotomous variable: ≥ 80% (adherents); or NR if not reported
Scale If the medication adherence measure was reported as a continuous variable, reported Continuous. While if the score or value was reported as a dichotomous variable, only reported the values corresponding to adherents.
If continuous reported Continuous; if dichotomous, reported the values of adherents (e.g., ≥ 80% (adherents)). NR if neither reported nor deductible.
Statistical analysis Statistical test Statistical tests used to analyze the intervention effect F, t or z tests Regression model It is the type of regression used for the effect analysis Linear regression, logistical regression; log
binomial regression or Cox + GLM, GEE or mixed; no model, NR if not reported
Intention to treat Authors had to mention that they made the intervention Yes, no or NR if not reported
252
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
effect analyses in intention to treat Missing data considered If there were missing data, is that the missing data were
considered, described or not in the article? Yes or no or NA if not applicable
Number analyzed (I - C) It is the total number of participants considered in the analysis of the intervention effect on medication adherence; and the number of participants in the intervention and control groups
Eg. 60 (28 - 32)
Sufficient power Is that the study power was sufficient or not? Yes or no; NR if not reported Results on medication adherence Pre-intervention Value of the medication adherence at pre-intervention in
intervention (I) and control (C) groups Reported these numbers or NR if not reported
Post-intervention Value of the medication adherence at post-intervention (measure more nearest the end of intervention) in intervention (I) and control (C) groups
Reported these numbers or NR if not reported
Effect size (95% CI; p-value)
Effect size is the value of Hedges’s g for the intervention. Effect size, its 95% and p-value CI are computed from the values of the medication adherence (control and intervention) at post intervention.
Reported these numbers when it is possible to compute them. NR if not possible.
Table 6.4
Random sequence generation (selection bias)
Describe the method used to generate the allocation sequence in sufficient detail to allow an assessment of whether it should produce comparable groups. The investigators describe a random component in the sequence generation process such as: Referring to a random number table; using a computer random number generator; coin tossing; shuffling cards or envelopes; throwing dice; drawing of lots; minimization.
Low risk
The investigators describe a non-random component in the sequence generation process. Usually, the description would involve some systematic, non-random approach, for example: sequence generated by odd or even date of birth; sequence generated by some rule based on date (or day) of admission; sequence generated by some rule based on hospital or clinic record number. Other non-random approaches happen much less frequently than the systematic approaches mentioned above and tend to be obvious. They usually involve judgment or some method of non-random categorization of participants, for example: Allocation by
High risk
253
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
judgment of the clinician; allocation by preference of the participant; allocation based on the results of a laboratory test or a series of tests; allocation by availability of the intervention. Insufficient information about the sequence generation process to permit judgment of ‘Yes’ or ‘No’.
Unclear
Allocation concealment (selection bias)
Describe the method used to conceal the allocation sequence in sufficient detail to determine whether intervention allocations could have been foreseen in advance of, or during, enrolment. Low risk; high risk; unclear Participants and investigators enrolling participants could not foresee assignment because one of the following, or an equivalent method, was used to conceal allocation: Central allocation (including telephone, web-based and pharmacy-controlled randomization); sequentially numbered drug containers of identical appearance; sequentially numbered, opaque, sealed envelopes.
Low risk
Participants or investigators enrolling participants could possibly foresee assignments and thus introduce selection bias, such as allocation based on: Using an open random allocation schedule (e.g. a list of random numbers); assignment envelopes were used without appropriate safeguards (e.g. if envelopes were unsealed or non-opaque or not sequentially numbered); alternation or rotation; date of birth; case record number; any other explicitly unconcealed procedure.
High risk
Insufficient information to permit judgment of ‘Yes’ or ‘No’. This is usually the case if the method of concealment is not described or not described in sufficient detail to allow a definite judgment – for example if the use of assignment envelopes is described, but it remains unclear whether envelopes were sequentially numbered, opaque and sealed.
Unclear
Blinding of participants, personnel and outcome assessors (performance bias)
Describe all measures used, if any, to blind study participants and personnel from knowledge of which intervention a participant received. Provide any information relating to whether the intended blinding was effective. Any one of the following: No blinding, but the review authors judge that the outcome and the outcome measurement are not likely to be influenced by lack of blinding; blinding of participants and key study personnel ensured, and unlikely that the blinding could have been broken; either participants or some key study personnel were not blinded, but outcome assessment was blinded and the non-blinding of others unlikely to introduce bias.
Low risk
Any one of the following: No blinding or incomplete blinding, and the outcome or outcome measurement is likely to be influenced by lack of blinding; blinding of key study participants and personnel attempted, but likely that the blinding could have been broken; either participants or some key study personnel were not blinded, and the non-blinding of others likely to introduce bias.
High risk
254
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
Any one of the following: Insufficient information to permit judgment of ‘Yes’ or ‘No’; the study did not address this outcome.
Unclear
Incomplete outcome data (attrition bias)
Describe the completeness of outcome data for each main outcome, including attrition and exclusions from the analysis. State whether attrition and exclusions were reported, the numbers in each intervention group (compared with total randomized participants), reasons for attrition/exclusions where reported, and any re-inclusions in analyses performed by the review authors. Any one of the following: No missing outcome data; reasons for missing outcome data unlikely to be related to true outcome (for survival data, censoring unlikely to be introducing bias); missing outcome data balanced in numbers across intervention groups, with similar reasons for missing data across groups; for dichotomous outcome data, the proportion of missing outcomes compared with observed event risk not enough to have a clinically relevant impact on the intervention effect estimate; for continuous outcome data, plausible effect size (difference in means or standardized difference in means) among missing outcomes not enough to have a clinically relevant impact on observed effect size; missing data have been imputed using appropriate methods.
Low risk
Any one of the following: Reason for missing outcome data likely to be related to true outcome, with either imbalance in numbers or reasons for missing data across intervention groups; for dichotomous outcome data, the proportion of missing outcomes compared with observed event risk enough to induce clinically relevant bias in intervention effect estimate; for continuous outcome data, plausible effect size (difference in means or standardized difference in means) among missing outcomes enough to induce clinically relevant bias in observed effect size; ‘As-treated’ analysis done with substantial departure of the intervention received from that assigned at randomization; potentially inappropriate application of simple imputation.
High risk
Any one of the following: Insufficient reporting of attrition/exclusions to permit judgment of ‘Yes’ or ‘No’ (e.g. number randomized not stated, no reasons for missing data provided); the study did not address this outcome.
Unclear
Selective outcome reporting? (reporting bias)
State how the possibility of selective outcome reporting was examined by the review authors, and what was found. Any of the following: The study protocol is available and all of the study’s pre-specified (primary and secondary) outcomes that are of interest in the review have been reported in the pre-specified way; the study protocol is not available but it is clear that the published reports include all expected outcomes, including those that were pre-specified (convincing text of this nature may be uncommon).
Low risk
Any one of the following: Not all of the study’s pre-specified primary outcomes have been reported; one or more primary outcomes is reported using measurements, analysis methods or subsets of the data (e.g. subscales) that were not pre-specified; one or more reported
High risk
255
Supplemental Table 6.4: Glossary of extraction data and assessment of the risk of bias*
Type of information Subcategory Definition or description Modalities
primary outcomes were not pre-specified (unless clear justification for their reporting is provided, such as an unexpected adverse effect); one or more outcomes of interest in the review are reported incompletely so that they cannot be entered in a meta-analysis; the study report fails to include results for a key outcome that would be expected to have been reported for such a study. Insufficient information to permit judgment of ‘Yes’ or ‘No’. It is likely that the majority of studies will fall into this category.
Unclear
Other sources of bias (e.g. confounding bias)
State any important concerns about bias not addressed in the other domains in the tool. If particular questions/entries were pre-specified in the review’s protocol, responses should be provided for each question/entry. The study appears to be free of other sources of bias. Low risk There is at least one important risk of bias. For example, the study: Had a potential source of bias related to the specific study design used; or stopped early due to some data-dependent process (including a formal-stopping rule); or had extreme baseline imbalance; or has been claimed to have been fraudulent; or had some other problem.
High risk
There may be a risk of bias, but there is either: Insufficient information to assess whether an important risk of bias exists; or insufficient rationale or evidence that an identified problem will introduce bias.
Unclear
*Extracted from the following reference: Higgins JPT, Green S (editors), Cochrane Handbook for Systematic Reviews of Interventions (ISBN 978-0470057964) by John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ, England, Telephone (+44) 1243 779777; Email (for orders and customer service enquiries): cs-books@wiley.co.uk. Visit their Home Page on www.wiley.com.
256
Supplemental Table 6.5: Tests of publication bias
Statistical test Test value p-value
Egger Regression
Egger OLS Regression t= 0.5305 0.6035
Begg Rank Correlation
Begg Rank Correlation (Predictor= variance) Z= 0.3070 0.7588
Begg Rank Correlation (Predictor= sample Size) Z=-0.0384 0.9694
Funnel Plot Regression
Funnel Plot WLS Regression -0.8254 0.4221
Trim and Fill
Publication bias present
Right Tail: no
Left Tail: no
Both Tails: no
257
Supplemental Figure 6.1: Funnel plots [A= Funnel plot using all included studies (N= 17); B= Funnel plot using all included studies except the study by Maneesriwongul et al. (N= 16); SMD= Hedges’s g; SE= standard error]
A
B
top related