بررسی تبعیت از درمان در بیماران مزمن در دوران پاندمی کوید ۱۹
محل انتشار: مجله پژوهش پرستاری ایران، دوره: 18، شماره: 3
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 98
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJNR-18-3_003
تاریخ نمایه سازی: 22 مهر 1402
چکیده مقاله:
مقدمه: شیوع بیماری همه گیر کروناویروس ۲۰۱۹ (COVID-۱۹) باعث اختلال ناگهانی و قابل توجه در خدمات مراقبت های بهداشتی به ویژه برای افراد مبتلا به بیماری های مزمن شد. بنابراین مطالعه حاضر با هدف تعیین تبعیت از درمان در بیماران مزمن در طول همه گیری کووید-۱۹ انجام شد.
روش کار: در این مطالعه مقطعی، ۲۱۴ پرونده از افراد مبتلا به بیماری های مزمن که در سال ۱۳۹۹ بستری و ترخیص شده بودند، از مدارک پزشکی بیمارستانهای مورد مطالعه انتخاب شدند. پس از تماس تلفنی با این افراد، و کسب رضایت آگاهانه، پرسشنامه موزینسکی توسط تیم پژوهش تکمیل شد. برای مقایسه گروهها از آزمون t ، کاری دو و آنالیز واریانس، و نرم افزار SPSS ۱۶ استفاده شد.
یافته ها: یکصد و ده نفر از شرکت کنندگان زن (۵۱.۴%) بودند. ۱۱۹ نفر آنها در گروه سنی ۷۱-۹۰ سال قرار گرفتند (%۵۵.۶)و ۱۲۵ نفر دارای بیماری های چند سیستمی (درگیری بیش از یک ارگان) (۵۸.۴%) بودند. امتیاز همه آنها از پرسشنامه تبعیت از درمان زیر ۶ بودکه پایبندی ضعیف را نشان می دهد. در بررسی رابطه بین متغیرهای جمعیت شناختی و پایبندی به درمان، تنها سن و سطح تحصیلات معنی دار بود (۰۰۱/۰ P<) بطوریکه جوانان و افراد با تحصیلات بالاتر پایبندی بیشتری به درمان داشتند.
نتیجه گیری: با توجه به نتایج مطالعه حاضر ، به نظر می رسد، مدیریت و درمان بیماری افراد مبتلا به بیماری های مزمن تحت تاثیر قرار گرفته است. این موضوع می تواند پیامدهای بهداشتی و اقتصادی مهمی برای افراد و جامعه داشته باشد. بنابراین مشارکت دادن پرستاران جامعه در مدیریت بیماری های مزمن و ترویج پایبندی به دارو برای کاهش بار بیماری بر سیستم های بهداشتی امری کلیدی است .
کلیدواژه ها:
نویسندگان
مرجان رسولی
Ialamic azad university Qom Branch
نفیسه عطایی
Ialamic azad university Qom Branch
لیلی بریم نژاد
IUMs
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :