MétaCan
Menu
Retour à la cohorte
Enregistrement W2890369813 · doi:10.1186/s12877-018-0895-z

The OptimaMed intervention to reduce inappropriate medications in nursing home residents with severe dementia: results from a quasi-experimental feasibility pilot study

2018· article· en· W2890369813 sur OpenAlexafffundabout
Machelle Wilchesky, Gerhard Mueller, Michèle Morin, M. Marcotte, Philippe Voyer, Michèle Aubin, Pierre‐Hugues Carmichael, Nathalie Champoux, Johanne Monette, Anik Giguère, Pierre Durand, René Verreault, Marcel Arcand, Edeltraut Kröger

Notice bibliographique

RevueBMC Geriatrics · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensCentres Intégré Universitaires de Santé et de Services SociauxUniversité de SherbrookeUniversité LavalUniversité de MontréalCentre de Santé et de Services Sociaux de la Vieille-CapitaleJewish General HospitalCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleMcGill University
Organismes subventionnairesAlzheimer SocietyRéseau québécois de recherche sur le vieillissementCanadian Geriatrics Society
Mots-clésMedicineDementiaIntervention (counseling)Nursing homesRehabilitationNursingPhysical therapyGerontologyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medication regimens in nursing home (NH) residents with severe dementia should be frequently reviewed to avoid inappropriate medication, overtreatment and adverse drug events, within a comfort care approach. This study aimed at testing the feasibility of an interdisciplinary knowledge exchange (KE) intervention using a medication review guidance tool categorizing medications as either "generally", "sometimes" or "exceptionally" appropriate for NH residents with severe dementia. METHODS: A quasi-experimental feasibility pilot study with 44 participating residents aged 65 years or over with severe dementia was carried out in three NH in Quebec City, Canada. The intervention comprised an information leaflet for residents' families, a 90-min KE session for NH general practitioners (GP), pharmacists and nurses focusing on the medication review guidance tool, a medication review by the pharmacists for participating residents with ensuing team discussion on medication changes, and a post-intervention KE session to obtain feedback from team staff. Medication regimens and levels of pain and of agitation of the participants were evaluated at baseline and at 4 months post-intervention. A questionnaire for team staff explored perceived barriers and facilitators. Statistical differences in measures comparing pre and post-intervention were assessed using paired t-tests and Cochran's-Q tests. RESULTS: The KE sessions reached 34 NH team staff (5 GP, 4 pharmacists, 6 heads of care unit and 19 staff nurses). Forty-four residents participated in the study and were followed for a mean of 104 days. The total number of regular medications was 372 pre and 327 post-intervention. The mean number of regular medications per resident was 7.86 pre and 6.81 post-intervention. The odds ratios estimating the risks of using any regular medication or a "sometimes appropriate" medication post-intervention were 0.81 (95% CI: 0.71-0.92) and 0.83 (95% CI: 0.74-0.94), respectively. CONCLUSION: A simple KE intervention using a medication review guidance tool categorizing medications as being either "generally", "sometimes" or "exceptionally" appropriate in severe dementia was well received and accompanied by an overall reduction in medication use by NH residents with severe dementia. Levels of agitation were unaffected and there was no clinically significant changes in levels of pain. Staff feedback provided opportunities to improve the intervention.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,073
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,126
Tête enseignante GPT0,432
Écart entre enseignants0,306 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC GeriatricsMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207