Assessment of Adherence to Renal Dosing Guidelines in Long‐Term Care Facilities
Notice bibliographique
Résumé
OBJECTIVE: We determined whether dosing guidelines based on creatinine clearance (Ccr) for renally excreted drugs are being applied when prescribing to long-term care residents DESIGN: A cross sectional chart review for the month of May 1999. PARTICIPANTS: Long-term care residents more than 65 years of age from four long-term care facilities in Southern Ontario who were prescribed a medication from a list of renally excreted drugs commonly prescribed in long-term care facilities. RESULTS: Approximately one in three prescriptions (34.1%) were considered inappropriate for the calculated Ccr of the residents. Overall, 42.3% of the residents who were prescribed a drug under review received at least one inappropriate prescription based on creatinine clearance. Logistic regression found that age (odds ratio (OR) = 1.06 per year; 95% confidence interval (CI) 1.03-1.09, P = .001), weight (OR = 0.96 per kg; 95% CI 0.94-0.98, P < .001), the total number of prescribed medications (OR = 1.10; 95% CI 1.04-1.17, P = .001), and the number of physicians prescribing in the facility (OR 1.02; 95% CI, 1.003-1.044, P = .03) were predictive for receiving an inappropriate prescription based on Ccr. CONCLUSIONS: Renal function is often overlooked when prescribing renally excreted drugs to older long-term care residents. These findings emphasize the need for consideration of Ccr when prescribing such drugs in this population.
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 | 0,000 | 0,001 |
| 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 ».