A long-term care center interdisciplinary education program for antipsychotic use in dementia: program update five years later
Notice bibliographique
Résumé
BACKGROUND: While antipsychotic (AP) medications are frequently used in long-term care, current evidence suggests that the risks may offset the benefits, necessitating periodic reassessment of their use. The aims of this present study were: (1) to assess rates of AP use five years after our first intervention to determine the long-term impact; and (2) to implement an updated AP reduction educational intervention program at the same center five years later in order to determine whether AP use could be further reduced. METHODS: Participants were residents with dementia receiving AP medication. The educational program component included separate lectures on pharmacologic and non-pharmacologic treatment of behavioral and psychological symptoms of dementia (BPSD). Completion of the Nursing Home Behavior Problems Scale (NHBPS), physician interviews concerning AP treatment plans for subjects with dementia, and AP administration and dose assessment occurred both at baseline and again between four to five months after the educational program. RESULTS: Of 308 long-term residents with dementia, 53 (17.2%) were receiving regular APs, primarily for agitation, aggressivity, other behavioral problems and psychosis. Of these, six died and one was transferred, leaving 46 participants. At five months, ten (21.7%) residents were no longer receiving APs and seven (15.2%) were on a lower dose; thus, 17 (37.0%) were either discontinued or on a lower dose. There was no worsening of NHBPS scores. CONCLUSION: Despite the low prevalence (17.2%) of AP users at the beginning of the current study compared to that observed five years prior (30.5%), it is still possible to further decrease the proportion of users.
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 ».