✨ 要点🔬 技术摘要
高血压常被称为“沉默的杀手”，因为它往往在对心脏、大脑或肾脏造成严重损害之前，不显示任何预警信号。虽然医生可以开出有效的降压药物，但治疗的效果取决于患者是否确实服用了药物。在世界许多地方，尤其是撒哈拉以南非洲地区，大量患者停止服用药物或未能按医嘱服药，从而使健康面临风险。这种拥有处方与遵循医嘱之间的差距是一个重大的公共卫生挑战，使一种可控的疾病变成了威胁生命的疾病。了解人们为何难以坚持治疗计划对于挽救生命至关重要，因为其原因通常是个人情况、疾病性质以及医疗系统运作方式共同构成的复杂因素。
研究人员最近通过直接倾听赞比亚恩多拉（Ndola）当地一家社区卫生中心患者的声音，试图揭示这些具体原因。他们关注了一组被诊断患有高血压且目前正在服药的 237 名成年人。该团队并没有仅仅查看医疗记录，而是通过面对面访谈，询问患者关于他们的日常生活、教育程度、收入以及在诊所的经历。他们使用一套标准问题来衡量患者遵循医生建议的程度，并将他们分类为“依从”型（即按医嘱服药）或“不依从”型。这项研究于 2025 年开展，历时三个月，捕捉了这些患者每天面临的现实世界挑战的缩影。
结果揭示了一个令人沉重的现实：只有约 41% 的患者能够成功坚持药物方案，而近 60% 的患者并未坚持。漏服药物最常见的原因并非蓄意停止治疗，而是实际操作中的障碍。患者经常出现药量用尽、出门在外没带药，或者单纯忘记服药的情况。研究发现，正确服药的可能性与患者的年龄、受教育程度和收入水平密切相关。年长患者、受教育程度较高以及拥有稳定月收入的人群，其依从性明显更高。相反，年轻成年人、受教育程度较低以及几乎没有收入的人群则面临最大的困难。
除了个人情况外，服药的身体体验也起到了巨大作用。那些遭受眩晕或尿频等副作用困扰的患者，继续治疗的可能性要低得多。日常程序的复杂程度也很重要；每天需要服用三种或更多药物的患者，比每天只需服用一种药物的患者更难成功。此外，医疗系统本身也构成了障碍。许多患者反映诊所距离较远，需要依赖公共交通工具，并且有超过三分之一的人仅仅因为负担不起车费或找不到车，就错过了预约。此外，近 40% 的患者曾经历过诊所断供其特定药物的情况，迫使他们无法用药。同时，近一半的患者表示，他们与医生或护士讨论治疗的时间不足五分钟，这使得他们几乎没有时间提问或了解如何管理自己的病情。
研究表明，解决这一问题不仅仅是告诉患者要吃药。它指出需要一种多层次的方法来应对识别出的具体障碍。这包括确保诊所绝不断货、帮助患者管理副作用以免其被迫停药，以及简化用药程序使其更容易执行。它还呼吁加强医患沟通，给予人们足够的时间来理解其治疗方案，并寻找支持那些负担不起交通或药物费用的人的方法。通过解决这些实际和系统性的问题，医务工作者可以帮助扭转高血压失控的局面，确保现有的药物真正到达那些最需要它们的人手中。
技术摘要：赞比亚恩多拉某初级卫生中心患者抗高血压药物依从性的相关因素
问题陈述
研究方法
人群与抽样： 研究对象包括237名目前正在服用抗高血压药物的高血压患者（年龄≥18岁）。参与者通过从诊所患者登记册中进行简单随机抽样选出，响应率为93.0%。数据收集： 使用结构化、访谈式问卷进行数据收集，问卷分为四个部分：社会人口统计学、临床史、卫生系统因素和药物依从性。依从性采用改良后的Hill-Bone合规量表（改编自Mweene等，2010年）进行测量，该量表包含九个条目，涵盖三个子维度（服药、预约保持和配药实践）。评分范围为8至32分，得分≤16分定义为“依从”，>16分定义为“不依从”。该工具已翻译成贝姆巴语（Bemba），并表现出良好的内部一致性（Cronbach's α = 0.78）。统计分析： 数据使用IBM SPSS第26版进行分析。计算所有变量的描述性统计量。通过卡方检验检查双变量关联。在双变量分析中p<0.10的变量被纳入多变量逻辑回归模型，并采用向后逐步回归法来确定独立的预测因子。通过Hosmer-Lemeshow检验评估模型拟合度，并通过方差膨胀因子检查多重共线性。
主要结果
依从水平： 总体依从率为41.4%（n=98），58.6%的参与者被归类为不依从。平均依从评分为19.8（标准差=4.6）。不依从最常见的原因是药用完了（均值=2.6）、不在家（均值=2.5）以及忘记服药（均值=2.4），这表明不依从主要是无意识性的。社会人口学预测因子： 多变量分析确定了年龄、教育程度和收入是显著的独立预测因子。
年龄： 与18-35岁组相比，51-65岁（AOR=2.89）和>65岁（AOR=3.24）的患者更有可能表现出依从性。教育： 中等教育（AOR=2.84）和高等教育（AOR=3.56）水平与较高的依从性相关，而无正式教育水平则相关性较低。收入： 月收入≥K1,000与依从性呈正相关，其中最高收入组（≥K5,000）的关联最为显著（AOR=5.89）。
临床预测因子：
副作用： 经历副作用是由于副作用导致的强负向预测因子（AOR=0.36），使依从的可能性降低了64%。共病情况： 存在共病（如糖尿病、心脏病）的情况与较低的依从性相关（AOR=0.51）。方案复杂性： 每日服用三种或更多种药物显著降低了依从性（AOR=0.34），相比之下，仅服用一种药物的患者依从性较高。
卫生系统障碍： 显著的系统性障碍包括药物断货（由38.4%的参与者报告）、因交通问题错过预约（35.4%）以及咨询时间不足（49.8%的人接受的咨询时间少于5分钟）。用于药物和交通的平均每月支出为K187.50。
意义与贡献
背景洞察： 研究结果强调，该人群的不依从主要是无意识性的（由物流问题如药用完和忘记服药驱动），而非有意拒绝，这表明实际性的干预措施可能比纯粹的教育性干预更为有效。多层级决定因素： 研究证实，依从性不仅仅是一个患者行为问题，它在很大程度上受到卫生系统失效（断货、交通、短咨询时间）和临床管理（方案复杂性、副作用管理）的影响。针对性干预： 通过识别特定的高风险群体（年轻人、伴有共病的患者、低收入人群以及低教育程度人群），本研究为开发符合背景的干预措施提供了证据基础。这些措施包括简化给药方案、主动管理副作用、加强药品供应链以及提升医护人员的咨询时间。政策相关性： 数据强调了采取多层面应对措施的必要性，包括为低收入患者提供补贴、实施多月配药制以缓冲断货影响，以及培训医务人员分配充足的时间进行咨询。
结论
每周获取最佳 cardiovascular medicine 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。