How general practitioners would deprescribe in frail oldest-old with polypharmacy — the LESS study
Notice bibliographique
Résumé
BACKGROUND: Many oldest-old (> 80-years) with multimorbidity and polypharmacy are at high risk of inappropriate use of medication, but we know little about whether and how GPs would deprescribe, especially in the frail oldest-old. We aimed to determine whether, how, and why Swiss GPs deprescribe for this population. METHODS: GPs took an online survey that presented case-vignettes of a frail oldest-old patient with and without history of cardiovascular disease (CVD) and asked if they would deprescribe any of seven medications. We calculated percentages of GPs willing to deprescribe at least one medication in the case with CVD and compared these with the case without CVD using paired t-tests. We also included open-ended questions to capture reasons for deprescribing and asked which factors could influence their decision to deprescribe by asking for their agreement on a 5-point-Likert-scale. RESULTS: Of the 282 GPs we invited, 157 (56%) responded: 73% were men; mean age was 56. In the case-vignette without CVD, 98% of GPs deprescribed at least one medication (usually cardiovascular preventive medications) stating it had no indication nor benefit. They would lower the dose or prescribe pain medication as needed to reduce side effects. Their response was much the same when the patient had a history of CVD. GPs reported they were influenced by 'risk' and 'benefit' of medications, 'quality of life', and 'life expectancy', and prioritized the patient's wishes and priorities when deprescribing. CONCLUSION: Swiss GPs were willing to deprescribe cardiovascular preventive medication when it lacked indication but tended to retain pain medication. Developing tools for GPs to assist them in balancing the risks and benefits of medication in the context of patient values may improve deprescribing activities in practice.
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 | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».