Safer Prescribing and Care for the Elderly (SPACE): Protocol of a Cluster Randomized Controlled Trial in Primary Care
Notice bibliographique
Résumé
BACKGROUND: High-risk prescribing, adverse drug events, and avoidable adverse drug event hospitalizations are common. The single greatest risk factor for high-risk prescribing and adverse drug events is the number of medications a person is taking. More people are living longer and taking more medications for multiple long-term conditions. Most on-going prescribing occurs in primary care. The most effective, cost-effective, and practical approach to safer prescribing in primary care is not yet known. OBJECTIVE: To test the effect of the Safer Prescribing And Care for the Elderly (SPACE) intervention on high-risk prescribing of nonsteroidal anti-inflammatory and antiplatelet medicines, and related adverse drug event hospitalizations. METHODS: This is a protocol of a cluster randomized controlled trial. The clusters will be primary care practices. Data collection and analysis will be at the level of patient. RESULTS: Recruitment started in 2018. Six-month data collection will be in 2018. CONCLUSIONS: This study addresses an important translational gap, testing an intervention designed to prompt medicines review and support safer prescribing in routine primary care practice. TRIAL REGISTRATIONgeneral practice: Australian New Zealand Clinical Trials Registry: ACTRN12618000034235 http://www.ANZCTR.org.au/ACTRN12618000034235.aspx (Archived with Webcite at http://www.webcitation.org/6yj9RImDf)
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 | 0,072 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,013 | 0,007 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,006 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,069 | 0,013 |
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 ».