Neuroleptic and benzodiazepine use in long-term care in urban and rural Alberta: characteristics and results of an education intervention to ensure appropriate use
Notice bibliographique
Résumé
OBJECTIVES: To examine the use of psychotropic drugs in 24 rural and urban long-term care (LTC) facilities, and compare the effect of an education intervention for LTC staff and family members on the use of psychotropic drugs in intervention versus control facilities. METHODS: Interrupted time series with a non-equivalent no-treatment control group time series. Data on drug use were collected in 24 Western Canadian LTC facilities (10 urban, 14 rural) for three 2-month time periods before and after the intervention. Pharmacy records were used to collect data on drug, class of drug, dose, administration, and start/stop dates. Chart reviews provided demographics, pro re nata (prn) use, and indications for drug use. Subjects comprised 2443 residents living in the 24 LTC facilities during the 1-year study. An average of 796.33 residents (32.7%) received a psychotropic drug. An education intervention on psychotropic drug use in LTC was offered to intervention physicians, nursing staff, pharmacists and family members. RESULTS: Approximately one-third of residents received a psychotropic drug during the study, often for considerable lengths of time. A minority of psychotropic drug prescriptions had a documented reason for their use, and 69.5% of the reasons would be inappropriate under Omnibus Budget Reconciliation Act (OBRA) legislation. Few psychotropic drug prescriptions were discontinued or reduced during the study. More urban LTC residents received neuroleptics and benzodiazepines than their rural counterparts (26.1% vs. 15.7%, and 18.0% vs. 7.6%, respectively). The education intervention did not result in any significant decline in the use of these drugs in intervention facilities. CONCLUSION: The results suggest substantial use of psychotropic drugs in LTC, although rural LTC residents received approximately half the number of psychotropic drugs compared with urban residents. A resource-intensive intervention did not significantly decrease the use of psychotropics. There is a need for better monitoring of psychotropic drugs in LTC, particularly given that voluntary educational efforts alone may be ineffective agents of change.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».