Use of major and minor tranquilizers with older patients in an acute care hospital: an exploratory study
Notice bibliographique
Résumé
AIM: This paper reports a study to determine how many older patients are prescribed major and/or minor tranquilizers during their hospital stay, and the perceptions of acute care nursing staff towards the use of such medications with older hospitalized patients. BACKGROUND: While considerable research exists on the use of major and minor tranquilizers (chemical restraints) with older people in long-term care, scant research has addressed the use of these drugs with older patients in acute care hospitals. Given the growing numbers of older people with dementia and delirium in hospitals, and the risks these drugs pose to older people, more research on the use of chemical restraints by nurses with older hospital patients is needed. METHODS: Computerized pharmacy records were used to access data on prescriptions of major and minor tranquilizers to older patients during one month on six hospital units (total n = 498), and 140 nursing staff from these units completed the Perceptions of (Chemical) Restraint Use Questionnaire. The data were collected in 2003. RESULTS: A minority of older patients (8.63%) were prescribed a major or minor tranquilizer during the one-month data collection period. The numbers prescribed minor tranquilizers (6.22%, n = 31) were approximately double that of major tranquilizers (3.21%, n = 16). The majority of prescriptions for minor and major tranquilizers were written as pro re nata or 'as needed' (77% and 55.8%, respectively). Nurses' scores on the Perceptions of (Chemical) Restraint Use Questionnaire indicated perceptions consistent with liberal use of chemical restraints, and several of the highly rated reasons for giving such medications could be considered inappropriate. CONCLUSIONS: While these findings suggest that only a small number of older people were prescribed chemical restraint medications in hospital, the risks these medications pose warrants ongoing prudence. More nursing research and education on the use of these medications with older people in hospital settings is needed.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».