MétaCan
Menu
Retour à la cohorte
Enregistrement W2948423825 · doi:10.2337/db19-1455-p

1455-P: Evaluating Opportunities for Deprescribing in the Elderly and Extreme Elderly with Diabetes

2019· article· en· W2948423825 sur OpenAlexaboutno aff
SABRINA A. SHARP, Jane Overland, Margaret McGill, Lynda Molyneaux, Ted Wu, Stephen M. Twigg, Jencia Wong

Notice bibliographique

RevueDiabetes · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueDiabetes Treatment and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePolypharmacyOverweightInternal medicineDiscontinuationDiabetes mellitusAdverse effectInsulinMetforminHypoglycemiaRetrospective cohort studyBody mass indexEndocrinology

Résumé

récupéré en direct d'OpenAlex

Individualised approaches to diabetes management are essential so that an optimal balance is realised between the risk and benefits of treatment. In the elderly (E, 75-84 years) and extreme elderly (EE, ≥ 85 years) treatment adjustment is the cornerstone of management, in order to provide medicines that deliver efficacy, and to de-prescribe agents to limit iatrogenic adverse effects. To assess the opportunity to de-prescribe and better target prescribing, we performed a retrospective audit of 1,806 patients (E, n=1,649; EE, n=157). Data are presented as E and EE respectively. The majority had T2DM (99.1%), with long duration (median, IQR 13.9, 7.4-21.7; 17.5, 10.3-25.1 years); and were overweight (mean ± SD BMI 28.7 ± 5.4; 27.0 ± 4.5 kg/m2). Over 50% used polypharmacy for glycaemic control; 37.9% and 40.8% used insulin +/- tablets. 39.4% of E and 33.3% of EE achieved an HbA1c of <7.0%, with HbA1c 7.5 ±1.4% and 7.8 ± 1.6% (mean± SD NGSP units). Over half (55.8%) of the EE group with an HbA1c <7.0% were treated with insulin and/or sulphonyureas, whereas only 38.2% of E were treated with these agents (p=0.01). While reported severe hypoglycaemia was uncommon (1.5% E and 2.8% EE), 35% of EE patients using insulin and/or sulphonyureas experienced hypoglycaemia. Metformin had appropriately been ceased in all but 7 of the 63 patients with an eGFR < 30 ml/min/1.73m2. While lipid profiles were favourable (HDL: 1.3 ± 0.4 mmol/L; LDL: 2.3 ± 0.9 mmol/L, Trig: 1.5, IQR: 1.1-2.1 mmol/L and HDL: 1.3 ± 0.3 mmol/L; LDL: 2.3 ± 1.0 mmol/L, Trig: 1.5, IQR: 1.0-2.1 mmol/L), lipid lowering therapy was used less frequently in EE (51.0%) versus E (62.6%) (p=0.004). Only 1 in 2 patients with known macrovascular disease were on anti-platelet treatment. This data demonstrates the potential over treatment of glycaemia in the EE specifically in hypoglycaemia inducing agents, highlighting the need to consider de-prescribing. Conversely, under-utilisation of evidence-based medication to address macrovascular risk is also evident. Disclosure S.A. Sharp: None. J. Overland: None. M. McGill: None. L.M. Molyneaux: None. T. Wu: Advisory Panel; Self; Boehringer Ingelheim International GmbH, Eli Lilly and Company, Novo Nordisk A/S, Sanofi. Speaker's Bureau; Self; AstraZeneca, Boehringer Ingelheim International GmbH, Eli Lilly and Company, Merck Sharp & Dohme Corp., Novo Nordisk A/S, Sanofi. S.M. Twigg: Advisory Panel; Self; Abbott, Boehringer Ingelheim Pharmaceuticals, Inc., Novo Nordisk Inc., Sanofi-Aventis. Board Member; Self; AstraZeneca. Research Support; Self; Abbott. Speaker's Bureau; Self; Abbott, AstraZeneca, Merck Sharp & Dohme Corp., Novo Nordisk Inc., Sanofi-Aventis. J. Wong: Advisory Panel; Self; Sanofi. Speaker's Bureau; Self; AstraZeneca, Lilly Diabetes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,281
Écart entre enseignants0,191 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDiabetesMême sujetDiabetes Treatment and ManagementTravaux en français237 207