Methodology for Developing Deprescribing Guidelines: Using Evidence and GRADE to Guide Recommendations for Deprescribing
Notice bibliographique
Résumé
BACKGROUND: Class specific deprescribing guidelines could help clinicians taper and stop medications no longer needed or which may be causing more harm than benefit. We set out to develop methodology to create such guidelines using evidence-based methods for guideline development, evidence synthesis and recommendation rating. METHODS AND FINDINGS: Using a comprehensive checklist for a successful guideline enterprise, we conducted a national modified Delphi consensus process to identify priorities for deprescribing guidelines, then conducted scoping exercises to identify feasible topics, and sequentially developed three deprescribing guidelines. We selected guideline development team members for clinical expertise; a GRADE member worked with staff to ensure guideline development processes were followed. We conducted or used systematic searches and reviews of deprescribing trials of selected drug classes, reviews or systematic reviews of drug class effectiveness, reviews of reviews of drug class harm and narrative syntheses of contextual questions to inform recommendations and guideline development. Our 8 step process for guideline development included defining scope and purpose, developing a logic model to guide the process and generate key clinical questions, setting criteria for admissible evidence and conducting systematic reviews, synthesizing evidence considering additional contextual information and performing quality estimates, formulating recommendations and providing strength estimations, adding clinical considerations, conducting clinical and stakeholder review and finally updating content pre-publication. Innovative aspects of the guideline development process included synthesizing evidence for outcomes of tapering or stopping medication, and incorporating evidence for medication harm into the recommendation strength rating. Through the development of three deprescribing guidelines (for proton pump inhibitors, benzodiazepine receptor agonists and antipsychotics) and associated decision-support algorithms, we were able to gradually hone the methodology; each guideline will be published separately. CONCLUSION: Our methodology demonstrates the importance of searching for short and long-term outcomes, showing the benefits of deprescribing and studying patient preferences. This publication will support development of future deprescribing guidelines.
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 | 0,415 | 0,651 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,007 | 0,014 |
| Bibliométrie | 0,047 | 0,027 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,014 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 ».