Strategies to promote public engagement around deprescribing
Notice bibliographique
Résumé
Many seniors remain unaware that certain medications may be harmful, despite high rates of polypharmacy and inappropriate medication use among community-dwelling older adults. Patient education is an effective method for reducing the use of inappropriate medications. Increasing public awareness and engagement is essential for promoting shared decision-making to deprescribe. The Canadian Deprescribing Network was created to address the lack of a systematic pan-Canadian initiative to implement deprescribing among older Canadians. The Canadian Deprescribing Network deliberately included patient advocates in its organization from the outset, in order to ensure a key strategic focus on public awareness and education. In this paper, we present the processes and activities rolled out by the Canadian Deprescribing Network as a blueprint model for engaging the public on deprescribing. Embedded within the structure of the network, the subcommittee on public awareness and engagement implements an action plan that includes needs assessments, population surveys, focus groups, deprescribing fairs, national stakeholders' meetings, public lectures and monthly exchanges with community champions and seniors' organizations. Educational materials and online media have been developed based on the answers to the questions: what information do seniors need about deprescribing? who should this information be delivered to? who needs to deliver the message? and how should seniors be engaged in deprescribing? In conjunction with seniors' organizations, members of the Network have iteratively refined key deprescribing messages, disseminated information about deprescribing, engaged the press and created a grass roots-driven public awareness and education campaign across Canada. Over 3000 seniors and seniors' organizations are involved, with over 25,000 educational tools being distributed across the country.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».