[P2–022]: OPTIMIZING PRESCRIBING OF ANTIPSYCHOTICS IN LONG‐TERM CARE (OPAL)
Notice bibliographique
Résumé
Increasing numbers of older adults are affected by dementia, and many will eventually reside in long-term care (LTC). Inappropriate antipsychotic use in this setting is common and associated with serious adverse effects. Limited evidence exists on the most effective strategies for reducing inappropriate antipsychotic prescribing. The objective of the study was to evaluate a multicomponent approach including an educational program to reduce inappropriate antipsychotic prescribing in LTC. A prospective, stepped wedge, controlled study design was used to evaluate the effect of the intervention in 10 LTC facilities in Ontario and Saskatchewan, Canada. The primary outcome was the proportion of residents receiving an antipsychotic without a diagnosis of psychosis. At baseline, the overall antipsychotic prescribing rate was 28.6% (Standard Deviation (SD) 4.3%). Data collection is ongoing; results at three months following implementation showed a relative reduction in the mean rate of inappropriate antipsychotic prescribing of 5.2% (SD 7.8%). The change was not statistically significant (P=0.06). There were no significant changes in related quality indicators, including falls, restraint use, and behavioural worsening. Preliminary study results show a trend towards lower rates of inappropriate antipsychotic prescribing. The intervention may offer a sustainable and practical means by which to improve the care of older adults in LTC.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».