What Is Known About Preventing, Detecting, and Reversing Prescribing Cascades: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: To systematically describe the resources available on preventing, detecting, and reversing prescribing cascades using a scoping review methodology. MEASUREMENTS: We searched Medline, EMBASE, PsychINFO, CINAHL, Cochrane Library, and Sociological Abstracts from inception until July 2017. Other searches (Google Scholar, hand searches) and expert consultations were performed for resources examining how to prevent, detect, or reverse prescribing cascades. We used these three categories along the prescribing continuum as an organizing framework to categorize and synthesize resources. RESULTS: Of 369 resources identified, 58 met inclusion criteria; 29 of these were categorized as preventing, 20 as detecting, and 9 as reversing prescribing cascades. Resources originated from 14 countries and mostly focused on older adults. The goal of preventing resources was to educate and increase general awareness of the concept of prescribing cascades as a way to prevent inappropriate prescribing and to illustrate application of the concept to specific drugs (e.g., anticholinergics) and conditions (e.g., inflammatory bowel disease). Detecting resources included original investigations or case reports that identified prescribing cascades using health administrative data, patient cohorts, and novel sources such as social media. Reversing prescribing cascade resources focused on the medication review process and deprescribing initiatives. CONCLUSION: Prescribing cascades are a recognized problem internationally. By learning from the range of resources to prevent, detect, and reverse prescribing cascades, this review contributes to improving drug prescribing, especially in older adults. J Am Geriatr Soc 66:2079-2085, 2018.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle