Medicine optimization strategy in an acute geriatric unit: The pharmacist in the geriatric team
Notice bibliographique
Résumé
AIM: Older patients admitted to acute geriatric units (AGU) frequently use many medications and are particularly vulnerable to adverse drug events, so specific interventions in this setting are required. In the present study, we describe a new medicine optimization strategy in an AGU, and explore its potential in reducing polypharmacy and improving medication appropriateness. METHODS: The present prospective study included patients aged ≥75 years who were admitted to an AGU in a tertiary hospital. An intervention based on a pharmacist clinical interview, medication history and a structured medication review within a comprehensive geriatric assessment was proposed. The differences regarding polypharmacy as the primary outcome (≥5 chronic drugs), hyperpolypharmacy (≥10), number of drugs, drug-related problems and Screening Tool of Older Person's Prescription/Screening Tool to Alert Doctors to Right Treatment criteria between admission and discharge were evaluated. RESULTS: From October 2016 to April 2017, 234 patients were enrolled, aged 87.6 years (SD 4.6 years); 143 (61.1%) were women. The intervention resulted in a statistically significant improvement in polypharmacy (-10.2%, 95% CI -15.3, -5.2), hyperpolypharmacy (-16.6%, 95% CI -22.3 -11.0), number of medications (-1.4, 95% CI -1.8, -1.0), Screening Tool of Older Person's Prescription criteria (-19.2%, 95% CI -24.9, -13.6), Screening Tool to Alert Doctors to Right Treatment criteria (-6.8%, 95% CI -10.1, -3.5) and drug-related problems (-2.7, 95% CI -2.9, -2.4; P ≤ 0.001 for all). CONCLUSIONS: A systematic pharmacist-led intervention at hospital admission to an AGU within a comprehensive geriatric assessment was associated to a decrease in polypharmacy, drug-related problems and potentially inappropriate prescribing. Geriatr Gerontol Int 2019; 19: 530-536.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».