MétaCan
Menu
Retour à la cohorte
Enregistrement W1579530153 · doi:10.4212/cjhp.v68i3.1455

Application of the Beers Criteria to Alternate Level of Care Patients in Hospital Inpatient Units

2015· article· en· W1579530153 sur OpenAlexaffvenueabout
Heather Slaney, Stacey MacAulay, J. Irvine‐Meek, Joshua Murray

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensHorizon Health NetworkMoncton HospitalJaneway Children's Health and Rehabilitation Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineAdverse effectBeers CriteriaEmergency medicineLogistic regressionRetrospective cohort studyOdds ratioInternal medicinePediatricsIntensive care medicinePolypharmacy

Résumé

récupéré en direct d'OpenAlex

Background: The Beers criteria were developed to help in identifying potentially inappropriate medications (PIMs) for elderly patients. These medications are often associated with adverse events and limited effectiveness in older adults. Patients awaiting an alternate level of care (ALC patients) are those who no longer require acute care hospital services and are waiting for placement elsewhere. They are often elderly, have complex medication regimens, and are at high risk of adverse events. At the time of this study no studies had applied the Beers criteria to ALC patients in Canadian hospitals.Objectives: To determine the proportion of ALC patients receiving PIMs and the proportion experiencing selected PIM-related adverse events. Methods: A retrospective chart review of ALC patients 65 years of age or older was performed to identify PIMs and the occurrence of selected adverse events (specifically central nervous system [CNS] events, falls, bradycardia, hypoglycemia, seizures, insomnia, gastrointestinal bleeding, and urinary tract infections). A logistic regression model with a random intercept for each patient was constructed to estimate odds ratios and probabilities of adverse events.Results: Fifty-two ALC patients were included in the study. Of these, 48 (92%) were taking a PIM. Of the 922 adverse events evaluated, 407 (44.1%) were associated with a regularly scheduled PIM. Among patients who were taking regularly scheduled PIMs, there was a significantly increased probability of an adverse CNS event and of a fall (p < 0.001 for both). The most common PIM medication classes were first-generation antihistamines (24 [46%] of the 52 patients), antipsychotics (21 patients [40%]), short-acting benzodiazepines (15 patients [29%]), and nonbenzodiazepine hypnotics (14 patients [27%]).Conclusions: A high proportion of ALC patients were taking PIMs and experienced an adverse event that may have been related to these drugs. These findings suggest that the ALC population might benefit from regular medication review and monitoring to prevent or detect adverse events.RÉSUMÉContexte : Les critères de Beers ont été élaborés afin d’aider à détecter l’utilisation de médicaments potentiellement inappropriés (MPI) auprès des patients âgés. L’on associe souvent les MPI à des événements indésirables, et leur efficacité chez les personnes âgées est limitée. Les patients en attente d’un autre niveau de soins (patients ANS) sont ceux qui ne nécessitent plus de soins de courte durée de l’hôpital et qui attendent d’être déplacés vers un autre établissement. Il s’agit souvent de personnes âgées ayant une panoplie complexe de traitements médicamenteux et présentant un risque élevé de subir des événements indésirables. Au moment de la présente recherche, aucune étude n’avait appliqué les critères de Beers aux patients ANS des hôpitaux canadiens.Objectifs : Déterminer quelles sont les proportions de patients ANS qui reçoivent des MPI et qui subissent certains événements indésirables choisis liés à ces médicaments.Méthodes : Une analyse rétrospective des dossiers médicaux de patients ANS âgés de 65 ans et plus a été réalisée dans le but de relever les MPI ainsi que les cas de certains événements indésirables choisis (particulièrement les événements liés au système nerveux central, les chutes, la bradycardie, l’hypoglycémie, les convulsions, l’insomnie, les hémorragies gastro-intestinales et les infections urinaires). On a mis au point un modèle de régression logistique avec ordonnée à l’origine aléatoire pour chaque patient afin d’estimer les risques relatifs approchés ainsi que les probabilités d’événements indésirables.Résultats : Au total, 52 patients ANS ont été admis à l’étude. De ceuxci, 48 (92 %) prenaient un MPI. Des 922 événements indésirables analysés, 407 (44,1 %) ont été associés à un MPI administré régulièrement. Parmi les patients prenant des MPI à une fréquence régulière, la probabilité de subir une chute ou un événement indésirable lié au système nerveux central était grandement accrue (p < 0,001 pour chacun). Les MPI les plus fréquents étaient : les antihistaminiques de première génération (24 [46 %] des 52 patients), les antipsychotiques (21 patients [40 %]), les benzodiazépines à action brève (15 patients [29 %]) et les hypnotiques non-benzodiazépines (14 patients [27 %]).Conclusions : Un grand nombre de patients ANS prenaient des MPI et avaient subi un événement indésirable qui ouvait avoir été en lien avec ces médicaments. Ces résultats laissent croire que les patients ANS pourraient tirer avantage d’évaluations fréquentes de la pharmacothérapie et de surveillance afin de prévenir les événements indésirables ou de les détecter.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,153
Tête enseignante GPT0,393
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207