Helping pharmacists to reduce fall risk in long-term care
Notice bibliographique
Résumé
BACKGROUND: One-third to one-half of adults older than 65 fall at least once per year. Fall prevention through medication management requires little effort and has consistently been shown to reduce risk of falls. The objective of this study was to further develop and perform preliminary pilot testing of an algorithm designed to assist consultant pharmacists in systematically identifying medications that might be modifiable, in order to reduce the risk of falls in older adults. We hypothesized that algorithm use would increase the number of fall-related medication change recommendations made to physicians. METHODS: Four consultant pharmacists were trained to use the algorithm during their routine medication reviews over a 3-week period. An informal survey was administered at the end of the study period to assess the algorithm. RESULTS: Overall, 51% of residents of long-term facilities had 1 or more recommendations for medication changes related to reducing fall risk (range 0-3 recommendations per resident), with an average 0.675 recommendations made per resident. There were more recommendations for men compared with women and for residents receiving more medications, but the number of recommendations did not correspond with age. All 4 pharmacists agreed that the algorithm was useful and worthwhile. DISCUSSION: The absolute 20% increase in recommendations related to falls supports the study hypothesis. Time was cited as a barrier to using the algorithm, but this should decrease with continued use of this tool. CONCLUSION: This preliminary study furthered the development of and confirmed the possible utility and acceptability of a fall risk-reducing algorithm that may be used in practice.
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 | 0,007 | 0,046 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».