Adherence to medication is the process by which patients take their drugs as prescribed, and represents an issue in pharmacoepidemiological studies. Poor adherence is often associated with adverse health conditions and outcomes, especially in case of chronic diseases such as heart failure (HF). This turns out in an increased request for health care services, and in a greater burden for the health care system. In recent years, there has been a substantial growth in pharmacotherapy research, aimed at studying effects and consequences of proper/improper adherence to medication both for the increasing awareness of the problem and for the pervasiveness of poor adherence among patients. However, the way adherence is computed and accounted for into predictive models is far from being informative as it may be. In fact, it is usually analyzed as a fixed baseline covariate, without considering its time-varying behavior. The purpose and novelty of this study is to define a new personalized monitoring tool exploiting time-varying definition of adherence to medication, within a joint modeling approach. In doing so, we are able to capture and quantify the association between the longitudinal process of dynamic adherence to medication with the long-term survival outcome. Another novelty of this approach consists of exploiting the potential of health care administrative databases in order to reconstruct the dynamics of drugs consumption through pharmaceutical administrative registries. In particular, we analyzed administrative data provided by Regione Lombardia - Healthcare Division related to patients hospitalized for HF between 2000 and 2012.

中文翻译：

---

动态监测药物依从性对心力衰竭患者生存率的影响：一种利用时变协变量的联合建模方法

坚持服药是患者按处方服药的过程，是药物流行病学研究中的一个问题。依从性差通常与不利的健康状况和结果有关，尤其是在心力衰竭 (HF) 等慢性疾病的情况下。事实证明，对医疗保健服务的需求增加，以及医疗保健系统的负担更大。近年来，药物治疗研究有了显着增长，旨在研究正确/不正确依从药物的影响和后果，以提高对问题的认识和患者依从性差的普遍性。然而，计算依从性并将其计入预测模型的方式远不能提供信息。实际上，它通常作为固定的基线协变量进行分析，而不考虑其随时间变化的行为。本研究的目的和新颖之处在于，在联合建模方法中，定义一种新的个性化监测工具，利用随时间变化的药物依从性定义。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。不考虑其随时间变化的行为。本研究的目的和新颖之处在于，在联合建模方法中，定义一种新的个性化监测工具，利用随时间变化的药物依从性定义。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。不考虑其随时间变化的行为。本研究的目的和新颖之处在于，在联合建模方法中，定义一种新的个性化监测工具，利用随时间变化的药物依从性定义。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。本研究的目的和新颖之处在于，在联合建模方法中，定义一种新的个性化监测工具，利用随时间变化的药物依从性定义。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。本研究的目的和新颖之处在于，在联合建模方法中，定义一种新的个性化监测工具，利用随时间变化的药物依从性定义。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。在联合建模方法中。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。在联合建模方法中。通过这样做，我们能够捕捉和量化动态坚持药物治疗的纵向过程与长期生存结果之间的关联。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。这种方法的另一个新颖之处在于利用医疗保健管理数据库的潜力，以便通过药品管理注册重建药物消费的动态。特别是，我们分析了 Regione Lombardia - Healthcare Division 提供的与 2000 年至 2012 年间因 HF 住院的患者相关的行政数据。