A prototype for evidence-based pharmaceutical opinions to promote physician-pharmacist communication around deprescribing
Notice bibliographique
Résumé
CONTEXT: Interprofessional communication is an effective mechanism for reducing inappropriate prescriptions among older adults. Physicians' views about which elements are essential for pharmacists to include in an evidence-based pharmaceutical opinion for deprescribing remain unknown. OBJECTIVE: To develop a prototype for an evidence-based pharmaceutical opinion that promotes physician-pharmacist communication around deprescribing. METHODS: A standardized template for an evidence-based pharmaceutical opinion was developed with input from a convenience sample of 32 primary care physicians and 61 primary care pharmacists, recruited from conferences and community settings in Montreal, Canada. Participants were asked to comment on the need for clarifying treatment goals, including personalized patient data and biomarkers, highlighting evidence about drug harms, listing the credibility and source of the recommendations, providing therapeutic alternatives and formalizing official documentation of decision making. The content and format of the prototype underwent revision by community physicians and pharmacists until consensus was reached on a final recommended template. RESULTS: The majority of physicians (84%-97%) requested that the source of the deprescribing recommendations be cited, that alternative management options be provided and that the information be tailored to the patient. Sixteen percent of physicians expressed concern about the information in the opinions being too dense. Pharmacists also questioned the length of the opinion and asked that additional space be provided for the physician's response. A statement was added making the opinion a valid prescription upon receipt of a signature from physicians. Compared to a nonstandardized opinion, the majority of pharmacists believed the template was easier to use, more evidence based, more time efficient and more likely to lead to deprescribing. CONCLUSION: 2018;151:xx-xx.
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 | 0,039 | 0,098 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,005 |
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 ».