Peer-Led Education Expedites Deprescribing Proton Pump Inhibitors for Appropriate Veterans
Notice bibliographique
Résumé
Costly proton pump inhibitors have been widely prescribed since the 1990s for prevention and treatment of ulcers and gastroesophageal reflux disease. Evidence published since 2012 demonstrates risks associated with taking proton pump inhibitors for longer than 8 weeks. Primary care providers mostly deprescribe proton pump inhibitors for persons not meeting criteria for long-term use. Many patients resist discontinuation.A 3-month evidence-based practice education project was conducted by a nurse practitioner to improve primary care provider peer deprescribing successes with appropriate patients in an outpatient California-based veteran primary care clinic. Fifteen primary care providers were pretested about usual care practices between 2 comparable clinics. Five primary care providers at the smaller clinic location were educated about long-term proton pump inhibitor use risks and introduced to 3 evidence-based practice guidelines using tapering techniques with follow-up care.A Canadian 2017 evidence-based practice proton pump inhibitor deprescribing guideline was proposed for translation into practice. Primary care providers voted to pilot this guideline, dependent upon nursing support. Primary care providers denied frustration with usual care practices, even as all were willing to try an evidence-based practice change between pre- and post-test surveys. Support for peer-led evidence-based practice on-site coaching increased from 87% to 100%. Tapering behavior increased from 67% to 100%, expediting improved long-term medication cessation.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».