What factors are important for deprescribing in Australian long-term care facilities? Perspectives of residents and health professionals
Notice bibliographique
Résumé
OBJECTIVES: Polypharmacy and multimorbidity are common in long-term care facilities (LTCFs). Reducing polypharmacy may reduce adverse events and maintain quality of life. Deprescribing refers to reducing medications after consideration of therapeutic goals, benefits and risks, and medical ethics. The objective was to use nominal group technique (NGT) to generate then rank factors that general medical practitioners (GPs), nurses, pharmacists and residents or their representatives perceive are most important when deciding whether or not to deprescribe medications. DESIGN: Qualitative research using NGT. SETTING: Participants were invited if they worked with, or resided in LTCFs across metropolitan and regional South Australia. PARTICIPANTS: 11 residents/representatives, 19 GPs, 12 nurses and 14 pharmacists participated across six separate groups. METHODS: Individual groups of GPs, nurses, pharmacists and residents/representatives were convened. Using NGT each group ranked factors perceived to be most important when deciding whether or not to deprescribe. Then, using NGT, the prioritised factors from individual groups were discussed and prioritised by a multidisciplinary metropolitan and regional group comprised of resident representatives, GPs, nurses and pharmacists. RESULTS: No two groups had the same priorities. GPs ranked 'evidence for deprescribing' and 'communication with family/resident' as most important factors. Nurses ranked 'GP receptivity to deprescribing' and 'nurses ability to advocate for residents' as most important. Pharmacists ranked 'clinical appropriateness of therapy' and 'identifying residents' goals of care' as most important. Residents ranked 'wellbeing of the resident' and 'continuity of nursing staff' as most important. The multidisciplinary groups ranked 'adequacy of medical and medication history' and 'identifying residents' goals of care' as most important. CONCLUSIONS: While each group prioritised different factors, common and contrasting factors emerged. Future deprescribing interventions need to consider the similarities and differences within the range of factors prioritised by residents and health professionals.
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 | 0,009 | 0,017 |
| 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 | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».