Educational needs, practice patterns and quality indicators to improve geriatric pharmacy care
Notice bibliographique
Résumé
BACKGROUND: As the population ages and pressure increases to reduce adverse drug reactions and drug-related hospitalizations in the elderly, there will be a growing demand for pharmacists to competently take on shared responsibility for effective and safe prescribing in older adults. METHODS: A cross-sectional postal survey was distributed to 3927 hospital and community pharmacists across Québec about their educational needs and practice patterns in geriatric care. Perceptions of different quality performance indicators were sought. Modifiable factors associated with higher performance were determined using univariate logistic regression. RESULTS: Seven hundred six pharmacists (18%) completed the survey. Less than 50% were aware of the prevalence of polypharmacy, inappropriate prescribing, drug-related hospitalizations or falls in the geriatric population. Forty-one percent of community pharmacists and 74% of hospital pharmacists acknowledged familiarity with the Beers criteria of drugs to avoid in the elderly. The likelihood of screening for inappropriate prescriptions was 2.96 (95% confidence interval = 1.97-4.47) among pharmacists familiar with the Beers criteria and 2.24 (95% confidence interval = 1.50-3.34) among those who received continuing geriatric education in the workplace. On average, pharmacists reported having time to conduct detailed medication reviews in 30% of their older patients. The 2 quality indicators of geriatric care that were ranked most pertinent were being able to track the number of patients requiring hospitalization for drug-related problems and monitoring rates of inappropriate prescriptions. Ninety-six percent of respondents desired continuing education about geriatric care. CONCLUSION: Exposure to continuing education in geriatric pharmacotherapy in the workplace is the most consistent determinant of professional performance to improve drug outcomes in the elderly.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».