Skip to main content

Identificering af nonkompliante patienter med hypertension

Cand.scient.san.publ. Marianne Agergaard, cand.scient.san.publ. Marianne Maibøll, cand.scient.san.publ. Pernille Dam, cand.pharm. Hanne Herborg, professor Svend Kreiner, cand.pharm. Charlotte Rossing & cand.pharm. Lene Sørensen Pharmakon a/s, Hillerød

18. jun. 2010
14 min.


Introduktion: Formålet var at bidrage til udviklingen af et valideret redskab til identificering af patienter i den primære sundhedssektor, der potentielt har problemer med nonkomplians ved behandling med antihypertensiva.

Materiale og metoder: Analysen inkluderede spørgeskemadata fra 1.421 blodtrykspatienter, registerdata fra medicinprofilen (Personlige Elektroniske Medicinprofil, PEM; n = 182) og data fra medicinbeholdere (Medication Event Monitoring System, MEMS; n = 33). Indledningsvis gennemførtes skalavalidering, hvilket resulterede i fem skalaer, som blev inddraget i en multivariat regressionsanalyse, hvor der i alt indgik 29 variable. Via en grafisk model vurderedes det, hvor central en kompliansvariabel var, og dermed hvorvidt den kunne indgå i redskabet.

Resultater: Skalaen »Utilsigtet nonkomplians« (selvvurderet tilbøjelighed til at glemme medicinen) er central i det grafiske netværk i kraft af dens relation til skalaerne »Tilsigtet nonkomplians« (når patienten fravælger at følge lægemiddelordinationerne) og »Lægemiddelbekymring« (bekymringer relateret til medicinindtagelsen). Desuden korrelerer »Utilsigtet nonkomplians« med PEM. Variablen vedrørende patientens systoliske blodtryk er central, da den korrelerer med PEM og MEMS. Endeligt vurderes det, at skalaerne »Lægemiddelbekymring« og »Tilsigtet nonkomplians« er dimensioner af komplians.

Konklusion: Der er udviklet og valideret en gruppe af items , der samlet kan anvendes til at identificere potentielle nonkompliante hypertensionspatienter i den primære sundhedssektor.

Manglende implementering af lægemiddelbehandlinger anses i stigende grad for at være et betydeligt folkesundhedsproblem, da det resulterer i manglende behandlingssucces for mange potentielt gavnlige behandlinger. Omkring halvdelen af de patienter, som er i behandling for forhøjet blodtryk, tager ikke deres medicin som ordineret af lægen [1, 2]. World Health Organisation (WHO) angiver nonkomplians hos hypertensionspatienter som den hyppigste grund til et ureguleret blodtryk [1-3]. For patienter, der er i behandling for forhøjet blodtryk, er problemer med at indtage medicinen som foreskrevet særligt udtalte, idet tilstanden i høj grad er asymptomatisk, mens behandling er livslang og forebyggende [3, 4]. Nonkomplians er ikke ubetinget negativt, og efterlevelse er ikke et mål i sig selv [5]. Men i tilfælde, hvor en hensigtsmæssig plan er lagt for patientens medicinske behandling, kan nonkomplians i forhold til den foreskrevne behandling medføre et betydeligt spild af resurser for både individ og samfund [5].

Samtlige eksisterende metoder til vurdering af patienters kompliansgrad har deres begrænsninger. En vurdering foretaget af sundhedspersonalet overestimerer ofte, i hvilken udstrækning patienterne tager deres medicin som foreskrevet [3, 4, 6, 7]. Subjektiv rapportering ved brug af spørgeskemaer og interview er en udbredt metode, som har den fordel, at den er simpel og billig. Ulemperne ved subjektiv rapportering er lav sensitivitet, hukommelsesbias og en dokumenteret tendens til overestimering af kompliansgraden [2, 6, 8]. I Danmark eksisterer den Personlige Elektroniske Medicinprofil (PEM), som omfatter patientens receptindløsning på apoteker. PEM fungerer som et objektivt mål for købskomplians (refill compliance ). At medicinen er afhentet på apoteket, er dog ikke ensbetydende med, at den indtages som foreskrevet af lægen. En anden registreringsmetode er Medication Event Monitoring System (MEMS) - en tabletbeholder, som via en mikrochip i låget registrerer, hvornår den åbnes. MEMS er en veldokumenteret målemetode til estimering af komplians, men den er omkostningsfuld, teknisk krævende og egner sig bedst til forskningsbrug [1, 3]. WHO anbefaler, at der i forsøget på at estimere patienters kompliansadfærd kombineres flere forskellige mål for komplians [1].

Formålet med undersøgelsen var at bidrage til udviklingen af et valideret redskab til identificering af patienter i den primære sundhedssektor, der potentielt har problemer med nonkomplians med antihypertensivabehandling. I undersøgelsen estimeres komplians ved en triangulering mellem data fra spørgeskema, PEM og MEMS.

Materiale og metoder
Baggrund for spørgeskemaundersøgelserne

I perioden januar 2006 til januar 2007 blev der i samarbejde mellem Pharmakon, Syddansk Universitet og Forskningscenter for Kvalitetssikret Lægemiddelanvendelse gennemført et projekt med titlen »Implementering af lægemiddelbehandlinger - forbedret komplians og egenindsats blandt brugere af blodtryksmedicin«. I alt 10.000 patienter, som modtog blodtrykssænkende medicin, blev udtrukket via 12 fynske apoteker. Der var opstillet følgende inklusionskriterier for patienterne: De skulle være over 18 år, modtage blodtrykssænkende medicin på grund af forhøjet blodtryk og selv administrere medicinindtagelsen.

Datagrundlag

Der blev udsendt to spørgeskemaer. Det første spørgeskema skulle afdække patienternes kompliansprofil med henblik på at identificere og beskrive nonkompliansadfærd. Alle de patienter, som besvarede første skema, modtog derefter et uddybende spørgeskema (Figur 1 ).

For 240 patienter iværksattes en intervention med henblik på at forbedre deres implementering af lægemiddelbehandling. Interventionen bestod i et apoteksbaseret rådgivningsforløb som et led i ovennævnte projekt og er nærmere beskrevet andetsteds [5, 9, 10]. For disse patienter blev PEM aflæst retrospektivt. Den tid, patienternes PEM-data kunne følges, varierede fra 36 til 195 dage [11]. Ved hjælp af PEM-data blev der beregnet en kompliansgrad for hver interventionspatient for et blodtrykssænkende lægemiddel.

En tilfældigt udvalgt gruppe af de 240 interventionspatienter (n = 54) fik endvidere udleveret en MEMS-medicinbeholder. På baggrund af de oplysninger, der forelå for MEMS, kunne kompliansgraden for de enkelte patienter udregnes (MEMS udregnes på tre forskellige måde: MEMS-tic, -tac og -cod. MEMS-tac: den procentvise andel af medicindoser indtaget. MEMS-cod: den procentvise andel af dage med korrekt antal medicindoser. MEMS-tic: den procentvise andel af medicindoser indtaget til tiden 3 timer [12]).

Inddragne variable

Spørgeskemaerne indeholdt spørgsmål vedrørende faktorer, der er vist at relatere sig til kompliansadfærd, bl.a. patientresurser, psykosociale aspekter, helbreds- samt læge-patient-forhold [1-4]. Ved udvikling af spørgeskemaet er der hentet inspiration fra tidligere skalaer, som er udviklet til at afdække komplians [2, 8, 13-16]. Skemaerne er pilotafprøvet via tre apoteker på 27 personer i 2004-2005 [16].

Variablene, der blev inddraget i analysen, blev udvalgt ud fra to overordnede kriterier. For det første blev der medtaget variable fra spørgeskemaerne, som var relaterede til kompliansadfærd (»kompliansvariable«). For det andet blev en variabel inddraget, hvis der fandtes indikation for confounding i litteraturen [17].

Etik

Projektet blev anmeldt til datatilsynet, og patienterne gav informeret samtykke til deltagelse i projektet.

Statistik

Analyserne blev foretaget i DIGRAM (version 1.54.0-1.61.0). DIGRAM er en del af en større statistisk pakke »SCD« (Statistical Analysis of Categorical Data), der kan analysere blokrekursive grafiske modeller for diskrete data [18, 19]. DIGRAM synliggør analyseresultaterne i grafiske Raschmodeller, hvor partielle gammakoefficienter for sammenhænge mellem de inddragne variable fremgår [17-19]. Des tættere gammaværdierne (γ-værdi) er på 1, des mere identiske er variablene. Der analyseres ikke på γ-værdier under 0,30, da disse anses for svage sammenhænge. Alle udregninger blev foretaget med eksakt Monte Carlo-test (10.000) og et signifikansniveau på 5%.

Indledningsvis blev der gennemført skalavalideringer af udvalgte grupper af items (spørgsmål), som vedrører emnet komplians .* Skalaerne er analyseret ved brug af Raschmodeller (for nærmere beskrivelse af teorien og skalavalidering henvises til specialeprojekt, der er udarbejdet på Pharmakon [17]). Fem validerede skalaer (»lægemiddelbekymring«, »overskud«, »praktiske problemer«, »tilsigtet nonkomplians« og »utilsigtet nonkomplians«) blev inkluderet i den multivariate analyse som kompliansvariable [17].

De fem validerede skalaer, 20 items samt PEM og de tre MEMS-mål blev inddraget i den multivariate analyse, der således inkluderede 29 variable. Der blev opstillet en blokrekursiv model, med variablene fordelt i fire på hinanden følgende blokke. I den første blok fra venstre (blok fire) er de centrale kompliansvariable placeret. De øvrige variable er inddelt i »prædiktorvariable«, som beskriver dispositioner eller forhold ved de inddragne patienter, og to grupper af »eksogene variable«, som beskriver stabile forhold ved patienterne. De eksogene variable opdeles i to grupper - primære og sekundære - afhængigt af antagelser om kausalitet (Tabel 1 ).

For hver enkel variabel blev der foretaget en flerdimensionel regressionsanalyse for at belyse, hvordan variable i en blok afhænger af variable i de samme og førliggende blokke.

I den grafiske model ses, hvilke kompliansvariable, der placerede sig centralt. På den baggrund vurderedes, hvilke variable der ville være relevante at medtage ved estimering af en patients kompliansgrad.

Resultater

Resultatet af den multivariate analyse er en grafisk model (Figur 2 ). Analyserne mundede ud i en grafisk model, der udelukkende indeholdt signifikante sammenhænge. Figuren viser kun de signifikante sammenhænge mellem kompliansvariablene og de variable, som kompliansvariablene forbinder sig til bagud i modellen. Samtlige af de øvrige eksogene variable er udgået af modellen.

Sammenhængene mellem variable i den grafiske model (Figur 2) beskrives i det følgende.

Patienterne blev spurgt direkte til deres kompliansadfærd inden for de seneste to uger (»Medicin 2 uger«) og den foregående dag (»Medicin i går«). De blev også spurgt, om de havde stoppet deres behandling (»Behandling stoppet«). De tre items viste sig ved deres indbyrdes meget høje γ-værdier (tæt på 1) at identificere de samme og ganske få (henholdsvis 0,8%; 5,6% og 2,2%) nonkompliante patienter.

De tre mål for MEMS var stærkt relaterede (MEMS-tac og MEMS-cod: γ = 0,85; MEMS-cod og MEMS-tic: γ = 0,93). MEMS-målene viste sig således at identificere tilnærmelsesvis de samme nonkompliante personer, hvorfor de i Figur 2 fremstår som en variabel. MEMS-tic-målet relaterede sig også til spørgsmålet vedrørende forhøjet systolisk blodtryk (»systolisk BT«) (γ = 0,76).

Kompliansvariablene var udelukkende positivt korrelerede. »Lægemiddelbekymring« var stærkt forbundet med de to andre skalaer »Overskud« og »Praktiske problemer« (jf. Figur 2). »Lægemiddelbekymring« placerede sig mest centralt i netværket af kompliansvariable, da skalaen som den eneste af de tre var stærkt forbundet med variablen »Utilsigtet nonkomplians« (γ = 0,36). »Utilsigtet nonkomplians« var desuden forbundet til »Tilsigtet nonkomplians« og PEM.

Af Figur 2 ses, at skalaerne er korrelerede indbyrdes samt til PEM. De objektive mål (PEM og MEMS) er korrelerede med »Systolisk BT«.

Figur 2 viser desuden, at alder og patientens oplevelse af »Lægens tilfredshed med patientens blodtryk« er korrelerede med blodtryksvariablene (systolisk og diastolisk blodtryk). Ordlyden af det item og de tre skalaer, som er centrale i det grafiske netværk, fremgår af Figur 3 .

Diskussion

Det item , der vedrører patienternes systoliske blodtryk »Systolisk BT«, PEM-variablen samt tre skalaer benævnt »Utilsigtet nonkomplians«, »Tilsigtet nonkomplians« og »Lægemiddelbekymring« placerer sig centralt i den grafiske model. Disse variable er derfor centrale i forhold til at identificere potentielt nonkompliante patienter.

Variablene beskriver forskellige dimensioner af kompliansadfærden, hvilket ses af den grafiske model. I modellen optræder der ikke γ-værdier på 1 mellem de centrale kompliansvariable, variablene identificerer således ikke de samme nonkompliante personer og dækker derfor ikke de samme dimensioner af komplians. Det er nødvendigt at anvende flere variable i forsøget på at dække alle kendte dimensioner af fænomenet og kunne bestemme, hvorvidt hypertensionspatienterne er kompliante. Dette underbygger WHO's anbefalinger om at sammenholde flere datakilder med henblik på at afdække fænomenet komplians [1].

Skalaen »Utilsigtet nonkomplians« placerer sig centralt i netværket af kompliansvariable (Figur 2), idet den forbinder sig stærkt til tre kompliansvariable. Variablen bør derfor medtages i forsøget på at identificere potentielt nonkompliante patienter. Det er - med hensyn til respondentbyrde - en fordelagtig kort skala set i forhold til at kunne anvende den i et redskab i den primære sundhedssektor. Skalaen består af fem items, som omhandler det at glemme at tage medicinen.

PEM-variablen placerer sig også centralt i variabelnetværket. I PEM-registret fås et objektivt mål for, hvorvidt patienten har medicin til rådighed for kompli ans. Det er endnu ikke en optimal måling til estimering af nonkomplians, idet der på nuværende tidspunkt kun er mulighed for grafisk aflæsning af PEM. Der er således ikke en kalkuleret kompliansgrad til rådighed i registret, samtidig med at der ofte er problemer med dataregistrering [11, 21]. Såfremt der er adgang til PEM-data, viser analysen, at registret med fordel kan supplere skalaerne i forbindelse med estimering af en patients kompliansgrad. En måling af komplians ved brug af MEMS vil kræve, at patienten følges i længere tid og er som tidligere nævnt en omkostningsfuld metode, der bedst egner sig til brug i kliniske studier. Forfatterne kan anbefale, at man anvender de objektive mål (PEM og MEMS), men anser det ikke for realistisk, at der er pålidelig adgang til disse data. MEMS- og PEM-variablene relaterer sig imidlertid stærkt til variablen »Systolisk BT« i den grafiske analyse. Derfor inddrages »Systolisk BT«, som derved kan siges at repræsentere en mere objektiv dimension af komplians.

Skalaen »Tilsigtet nonkomplians« afdækker situationer, hvor patienten bevidst vælger ikke at følge lægemiddelordinationerne. Skalaen »Lægemiddelbekymring« omhandler betydningen af patientens lægemiddelrelaterede bekymringer for kompliansadfærden. De to skalaer relaterer sig stærkt til »Utilsigtet nonkomplians« og kan derfor også inddrages i redskabet med henblik på afklaring af eventuel nonkomplians.

I analysen er inddraget valide skalaer, som sammenholdt med de øvrige variable i analysen viser sig at være relaterede til hinanden mere eller mindre stærkt [17]. Både begrebs- og indholdsvaliditet menes at være underbygget i undersøgelsen, da DIGRAM muliggør inddragelse af mange variable og en triangulering af flere datakilder. I undersøgelsen eksisterer der ikke et eksternt kriterium for kompliansmåling, som kunne inddrages af hensyn til at vurdere kriterievaliditeten. Skalaer og variable kan dog siges at kriterievalidere hinanden i og med, at en kompliansvariabel kan opfattes som den andens kriterievariabel. Skalaernes og variablenes indbyrdes relationer synliggør, at variablene på hver sin måde behandler samme emne, nemlig nonkomplians [17, 18].

Nærværende studie kan ses som et eksempel på, hvordan grafiske modeller kan anvendes til at klarlægge komplicerede sammenhænge mellem et stort antal af variable. De statistiske analysemetoder kan således anvendes som en model for validering af redskaber til identifikation af nonkompliante patienter fra andre kronikergrupper.

Konklusion

Der er udviklet og valideret en gruppe af items , der samlet kan anvendes til at identificere potentielle nonkompliante blodtrykspatienter i den primære sundhedssektor.

Analysens resultater viser, at tre skalaer samt et enkelt item er centrale i forhold til at kunne klarlægge, hvorvidt en patient har problemer med komplians. Skalaerne vedrører utilsigtet nonkomplians, tilsigtet nonkomplians og bekymringer relateret til medicinindtagelsen. Endelig er det relevant at blive bekendt med patientens systoliske blodtryk.

Perspektivering

De variable, der forbinder sig til flest af de øvrige kompliansvariable, kan med størst sikkerhed betegnes som egentlige mål for nonkomplians, hvorfor disse foreslås inddraget i et redskab til brug i praksis med henblik på at afdække nonkomplians [17, 18]. De udvalgte variable, som på baggrund af analysen foreslås inddraget i et kompliansredskab, er endnu ikke afprøvet i praksis som et egentligt screeningsinstrument. Det vurderes, at de centrale variable kan være vejledende for sundhedsprofessionelle til at afklare, hvorvidt patienten er nonkompliant, og hvordan denne kan hjælpes til en højere grad af komplians. Redskabets anvendelighed i praksis bør undersøges i fremtidige studier med henblik på at bestemme prædiktive værdier, sensitivitet og specificitet.


Marianne Agergaard , Pharmakon, Apotekernes Uddannelsescenter, Milnersvej 42, 3400 Hillerød. E-mail: mag@pharmakon.dk

Antaget: 24. oktober 2009

Først på nettet: 22. februar 2010

Interessekonflikter: Ingen

*) Det blev testet, om skalaerne lever op til krav om unidimensionalitet, fravær af differentiel item -funktion (DIF) og homogenitet, høj reliabilitet blev vurderet ud fra test-retest-korrelationen og minimum af lokal afhængighed.

Appendiks A: Det første spørgeskema som blev udsendt til de deltagende patienter (se pdf i netversionen).

Appendiks B: Det andet spørgeskema som blev udsendt til patienterne (se pdf i netversionen).


  1. Adherence to long-term therapies: evidence for action. Non-communicable Diseases and Mental Health Adherence to Long term Therapies Project. Geneva: World Health Organization, 2003.
  2. Lennon C, Hughes CM, Johnston GD et al. Identification of psychosocial factors which influence patient adherence with antihypertensive medication. Int J Pharm Pract 2001;9:R8.
  3. Christensen AJ. Patient adherence to medical treatment regimes. bridging the gap between behavioral science and biomedicine. LondonYale University Press, 2004.
  4. Osterberg L, Blaschke T. Adherence to medication. N Engl J Med 2005;353:487-97.
  5. Herborg H, Haugbølle LS, Sørensen L et al. Developing a generic, individualised adherence programme for chronic medication users. Pharmacy Practice 2008;6:148-57.
  6. Cook CL, Wade WE, Martin BC et al. Concordance among three self-reported measures of medication adherence and pharmacy refill records. J Am Pharm Assoc 2005;45:151-9.
  7. Elsass P. Sundhedspsykologi. København: Gyldendal, 2. udgave, 1993.
  8. Willey C, Redding C, Stafford J et a

Referencer

  1. Adherence to long-term therapies: evidence for action. Non-communicable Diseases and Mental Health Adherence to Long term Therapies Project. Geneva: World Health Organization, 2003.
  2. Lennon C, Hughes CM, Johnston GD et al. Identification of psychosocial factors which influence patient adherence with antihypertensive medication. Int J Pharm Pract 2001;9:R8.
  3. Christensen AJ. Patient adherence to medical treatment regimes. bridging the gap between behavioral science and biomedicine. LondonYale University Press, 2004.
  4. Osterberg L, Blaschke T. Adherence to medication. N Engl J Med 2005;353:487-97.
  5. Herborg H, Haugbølle LS, Sørensen L et al. Developing a generic, individualised adherence programme for chronic medication users. Pharmacy Practice 2008;6:148-57.
  6. Cook CL, Wade WE, Martin BC et al. Concordance among three self-reported measures of medication adherence and pharmacy refill records. J Am Pharm Assoc 2005;45:151-9.
  7. Elsass P. Sundhedspsykologi. København: Gyldendal, 2. udgave, 1993.
  8. Willey C, Redding C, Stafford J et al. Stages of change for adherence with medication regimens for chronic disease: development and validation of a measure. Clin Ther 2000;22:858-71.
  9. Maibøll M, Dam P, Herborg H et al. Arbejdsrapport: Sikker og effektiv medicinbrug for type 2-diabetikere blandt brugere af blodtryksmedicin. Hillerød; Pharmakon, 2007.
  10. Dam P, Herborg H, Rossing C et al. Komplians og concordance. Uddannelseshæfte til programmet »sikker og effektiv medicinbrug«. Hilerød Pharmakon, 2007.
  11. Andersen LS, Kjeldsen LJ, Haugbølle LS. Anvendelighed af den personlige elektroniske medicinprofil til vurdering af komplians. Ugeskr Læger 2009;171:899.
  12. www.aardexgroup.com (3. august 2008).
  13. Morisky DE, Green LW, Levine DM. Concurrent and predictive validity of a self-reported measure of measure of medication adherence. Med Care 1986;24:67-74.
  14. Horne R, Weinman J, Hankins M. The beliefs about medicines. questionnaire: the development and evaluation of a new method for assessing the cognitive representation of medication. Psycology and Health 1999;14:1-24.
  15. Ogedegbe G, Mancuso CA, Allegrante JP et al. Development and evaluation of a medication adherence self-efficacy scale in hypertensive african-american patients. J Clin Epi 2003;56:520-9.
  16. Dam P, Fonnesbæk L, Frøkjær B et al. Udviklingsrapport: »Sikker og effektiv medicinbrug« blandt brugere af blodtryksmedicin. Hillerød: Pharmakon, 2007.
  17. Agergaard M, Maibøll M. Identifikation af non-kompliante hypertenikere, udvikling af screeningsredskab ved grafiske analyser. København: Københavns Universitet, 2008.
  18. Kreiner S, Nielsen T. Item Analysis in DIGRAM. Notes on the use of DIGRAM for item analysis by graphichal loglinear rasch models. Preliminary version. København: Dept. of Biostatistics, 2007.
  19. Kreiner S. Validity and objectivity: reflections on the role and nature of rasch models. Nordic Psychology 2007;59:268-98.