Background: Nonadherence with medication is a complex and multidimensional health care problem. The causes may be related to the patient, treatment, and/or health care provider. As a consequence, substantial numbers of patients do not benefit optimally from pharmacotherapy, resulting in increased morbidity and mortality as well as increased societal costs. Several interventions may contribute to improved adherence. However, most interventions have only a modest effect. Thus, despite the many efforts made, there has been little progress made as yet in tackling the problem of nonadherence. Methods: This paper summarizes the definitions and taxonomy of adherence with medication, as well as types and causes of nonadherence. In addition, interventions aimed at improvement of adherence are discussed. Conclusion: There is not just one solution for the nonadherence problem that fits all patients. Most interventions to improve adherence are aimed at all patients regardless of whether they are adherent or not. Recently, a number of tailored interventions have been described in the literature. Modern techniques are useful. Electronic pill boxes combined with Short Message Service reminders are specifically designed to improve unintentional adherence and have resulted in an increase in refill adherence in diabetic patients with suboptimal adherence. Tailored Internet interventions are a possibility for influencing patient drug-taking behavior and show promising results. Tailored counseling interventions targeted at the underlying causes of nonadherence seem an attractive method for supporting patients with their use of drugs. However, despite the plausible theoretical framework, data on long-term health effects of the various interventions are not available. To improve adherence effectively, there is a need for a tailored approach based on the type and cause of nonadherence and the specific needs of the patient. Keywords: adherence, compliance, concordance, tailored intervention

ABSTRACT Common SNPs are predicted to collectively explain 40-50% of phenotypic variation in human height, but identifying the specific variants and associated regions requires huge sample sizes. Here we show, using GWAS data from 5.4 million individuals of diverse ancestries, that 12,111 independent SNPs that are significantly associated with height account for nearly all of the common SNP-based heritability. These SNPs are clustered within 7,209 non-overlapping genomic segments with a median size of ~90 kb, covering ~21% of the genome. The density of independent associations varies across the genome and the regions of elevated density are enriched for biologically relevant genes. In out-of-sample estimation and prediction, the 12,111 SNPs account for 40% of phenotypic variance in European ancestry populations but only ~10%-20% in other ancestries. Effect sizes, associated regions, and gene prioritization are similar across ancestries, indicating that reduced prediction accuracy is likely explained by linkage disequilibrium and allele frequency differences within associated regions. Finally, we show that the relevant biological pathways are detectable with smaller sample sizes than needed to implicate causal genes and variants. Overall, this study, the largest GWAS to date, provides an unprecedented saturated map of specific genomic regions containing the vast majority of common height-associated variants.

Literature relating older people's goals of care to their varying frailty status is scarce.

Abstract A major challenge of genome-wide association studies (GWAS) is to translate phenotypic associations into biological insights. Here, we integrate a large GWAS on blood lipids involving 1.6 million individuals from five ancestries with a wide array of functional genomic datasets to discover regulatory mechanisms underlying lipid associations. We first prioritize lipid-associated genes with expression quantitative trait locus (eQTL) colocalizations, and then add chromatin interaction data to narrow the search for functional genes. Polygenic enrichment analysis across 697 annotations from a host of tissues and cell types confirms the central role of the liver in lipid levels, and highlights the selective enrichment of adipose-specific chromatin marks in high-density lipoprotein cholesterol and triglycerides. Overlapping transcription factor (TF) binding sites with lipid-associated loci identifies TFs relevant in lipid biology. In addition, we present an integrative framework to prioritize causal variants at GWAS loci, producing a comprehensive list of candidate causal genes and variants with multiple layers of functional evidence. Two prioritized genes, CREBRF and RRBP1 , show convergent evidence across functional datasets supporting their roles in lipid biology.

ObjectivesPrevious research in the general population shows more potentially inappropriate medications (PIMs) among persons with a migration background compared with persons without a migration background. This study investigated the association between non-Western (nw) migration background (MB) and dementia-specific PIMs in older adults with dementia in the Netherlands.DesignCohort study using routinely recorded electronic health records and administrative data.Setting and ParticipantsElectronic health record data of general practitioners from the NIVEL-Primary Care Database, were linked to registries managed by Statistics Netherlands (2013-2014). A total of 9055 community-dwelling older adults with dementia were included, among whom 294 persons had an nw-MB from Africa, South America, or Asia, based on their country of birth.MethodsWe determined the presence of dementia-specific PIM prescriptions and compared this between persons with an nw-MB and without an MB, using logistic regression analysis adjusted for follow-up time, age, registered sex, and total number of prescriptions. Interaction effects of potentially relevant covariates were tested. The 3 largest nw-MB groups in the Netherlands were analyzed separately.ResultsDementia-specific PIMs were less frequently prescribed to persons with an nw-MB compared to persons without an MB with a dementia diagnosis [30.6% vs 34.4%, odds ratio (OR) 0.71, 95% CI 0.54-0.92], with especially less often a benzodiazepine prescription in the group with an nw-MB, compared to persons without an MB (15.0% vs 19.3%, OR 0.61, 95% CI 0.43-0.84). Dementia duration, living alone, household income, and degree of urbanization did not influence the associations.Conclusions and ImplicationsAmong older adults with dementia in the Netherlands, persons with an nw-MB had less often a dementia-specific PIM prescription compared to persons without an MB. Whether this difference is a reflection of better quality of care, higher professional uncertainty, or less recognition of (mental) health problems in persons with an nw-MB and dementia, needs further investigation.

The blood metabolome incorporates cues from the environment as well as the host's genetic background, potentially offering a holistic view of an individual's health status. We have compiled a vast resource of 1H-NMR metabolomics and phenotypic data encompassing over 25,000 samples derived from 26 community and hospital-based cohorts. Using this resource, we constructed a metabolomics-based age predictor (metaboAge) to calculate an individual's biological age. Exploration in independent cohorts demonstrates that being judged older by one's metabolome, as compared to one's chronological age, confers an increased risk on future cardiovascular disease, mortality and functionality in older individuals. A web-based tool for calculating metaboAge (metaboage.researchlumc.nl) allows easy incorporation in other epidemiological studies. Access to data can be requested at bbmri.nl/samples-images-data. In summary, we present a vast resource of metabolomics data and illustrate its merit by constructing a metabolomics-based score for biological age that captures aspects of current and future cardio-metabolic health.

Objectives: 20-30% of patients with metformin treated type 2 diabetes experience gastrointestinal side effects leading to premature discontinuation in 5-10% of the cases. Gastrointestinal intolerance may reflect localised high concentrations of metformin in the gut. We hypothesized that reduced transport of metformin into the circulation via the plasma membrane monoamine transporter (PMAT) and organic cation transporter 1 (OCT1) could increase the risk of severe GI side effects. Research Design and Methods: The study included 286 severe metformin intolerant and 1128 tolerant individuals from the IMI DIRECT consortium. We assessed the association of patient characteristics, concomitant medication and the burden of mutations in the SLC29A4 and SLC22A1, genes that encode PMAT and OCT1, respectively, on odds of metformin intolerance using a logistic regression model. Results: Women (p < 0.001) and older people (p < 0.001) were more likely to develop metformin intolerance. Concomitant use of metformin transporter inhibiting drugs increased the odds of intolerance by more than 70% (OR = 1.72 [1.26-2.32], p < 0.001). In a logistic regression model adjusted for age, sex, weight and population substructure, the G allele at rs3889348 (SLC29A4) was associated with GI intolerance (OR = 1.34[1.09-1.65], p = 0.005). rs3889348 is the top cis-eQTL for SLC29A4 in gut tissue where carriers of the G allele had reduced expression. Homozygous carriers of the G allele treated with metformin transporter inhibiting drugs had over three times higher odds of intolerance compared to carriers of no G allele and not treated with inhibiting drugs (OR = 3.23 [1.71-6.39], p < 0.001). Using a genetic risk score (GRS) derived from SLC29A4 (rs3889348) and previously reported SLC22A1 variants (M420del, R61C, G401S), the odds of intolerance was more than twice in individuals who carry three or more risk alleles compared with those carrying none (OR = 2.15 [1.20-4.12], p = 0.01). Conclusions: These results suggest that intestinal metformin transporters and concomitant medications play an important role in gastrointestinal side effects of metformin.