MétaCan
Menu
Retour à la cohorte
Enregistrement W2948694834 · doi:10.1186/s13012-019-0904-4

Improving care for elderly patients living with polypharmacy: protocol for a pragmatic cluster randomized trial in community-based primary care practices in Canada

2019· article· en· W2948694834 sur OpenAlexafffundabout
Michelle Greiver, Simone Dahrouge, Patricia J. O’Brien, Donna Manca, Marie‐Thérèse Lussier, J. Wang, Fred Burge, Mathew Grandy, Alexander Singer, Margo Twohig, Rahim Moineddin, Sumeet Kalia, Babak Aliarzadeh, Noah Ivers, Stephanie Garies, Justin P. Turner, Barbara Farrell

Notice bibliographique

RevueImplementation Science · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of WaterlooInstitut Universitaire de Gériatrie de MontréalHealth Sciences CentreWomen's College HospitalUniversity of CalgaryUniversity of OttawaInstitute for Clinical Evaluative SciencesUniversity of ManitobaUniversité de MontréalUniversity of AlbertaBruyèreNorth York General HospitalDalhousie UniversityUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchDepartment of Family and Community Medicine, University of TorontoUniversity of Toronto
Mots-clésMedicinePolypharmacyHealth administrationHealth informaticsRandomized controlled trialProtocol (science)Primary careHealth services researchCluster (spacecraft)Cluster randomised controlled trialFamily medicinePublic healthNursingAlternative medicineIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Elders living with polypharmacy may be taking medications that do not benefit them. Polypharmacy can be associated with elevated risks of poor health, reduced quality of life, high care costs, and persistently complex care needs. While many medications could be problematic, this project targets medications that should be deprescribed for most elders and for which guidelines and evidence-based deprescribing tools are available. These are termed potentially inappropriate prescriptions (PIPs) and are as follows: proton pump inhibitors, benzodiazepines, antipsychotics, and sulfonylureas. Implementation strategies for deprescribing PIPs in complex older patient populations are needed. METHODS: This will be a pragmatic cluster randomized controlled trial in community-based primary care practices across Canada. Eligible practices provide comprehensive primary care and have at least one physician that consents to participate. Community-dwelling patients aged 65 years and older with ten or more unique medication prescriptions in the past year will be included. The objective is to assess whether the intervention reduces targeted PIPs for these patients compared with usual care. The intervention, Structured Process Informed by Data, Evidence and Research (SPIDER), is a collaboration between quality improvement (QI) and research programs. Primary care teams will form interprofessional Learning Collaboratives and work with QI coaches to review electronic medical record data provided by their regional Practice Based Research Networks (PBRNs), identify areas of improvement, and develop and implement changes. The study will be tested for feasibility in three PBRNs (Toronto, Montreal, and Edmonton) using prospective single-arm mixed methods. Findings will then guide a pragmatic cluster randomized controlled trial in five PBRNs (Calgary, Winnipeg, Ottawa, Montreal, and Halifax). Seven practices per PBRN will be recruited for each arm. The analysis will be by intention to treat. Ten percent of patients who have at least one PIP at baseline will be randomly selected to participate in the assessment of patient experience and self-reported outcomes. Qualitative methods will be used to explore patient and physician experience and evaluate SPIDER's processes. CONCLUSION: We are testing SPIDER in a primary care population with complex care needs. This could provide a widely applicable model for care improvement. TRIAL REGISTRATION: Clinicaltrials.gov NCT03689049 ; registered September 28, 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.

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)0,041
score de la tête « metaresearch » (Gemma)0,030
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,030
Méta-épidémiologie (sens strict)0,0060,003
Méta-épidémiologie (sens large)0,0110,008
Bibliométrie0,0030,005
Études des sciences et des technologies0,0060,004
Communication savante0,0050,003
Science ouverte0,0040,002
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0420,005

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 Opus0,114
Tête enseignante GPT0,492
Écart entre enseignants0,379 · 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'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueImplementation ScienceMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207