Medication Use by Alternate Level of Care Patients: A Descriptive Analysis
Notice bibliographique
Résumé
ABSTRACTBackground: The population of patients designated as alternate level of care (ALC) consists predominantly of frail older adults who are medically stable and awaiting discharge from hospital. They have complex medica-tion regimens, often including potentially inappropriate medications (PIMs). There has been increasing emphasis on managing the burden that ALC patients place on the health care system, but little is known about their health care needs. Objective: To characterize the medication regimens, including use of PIMs, of ALC patients at the study institution. Methods: A cross-sectional chart audit of ALC patients was conducted between May and July 2017. For all patients in the sample, each medication was categorized by therapeutic class, and PIMs were categorized according to the Beers criteria, the STOPP/START criteria, and an established list of high-alert medications. Results: A total of 82 patients met the audit criteria, for whom the mean number of chronic conditions was 6.4 (standard deviation [SD] 3.3) and the mean number of prescribed medications was 12.8 (SD 6.9). Twenty-four (29%) of the patients were receiving at least 1 drug from 7 different drug classes. All but one of the patients had PIMs in their regimen; the frequency of PIMs was highest according to the Beers criteria (mean 3.9 [SD 2.6] medications per patient). Conclusions: At the study institution, ALC patients had on average more than 6 chronic conditions managed with at least 12 medications, of which one-quarter were PIMs. These data will be used to inform next steps in making recommendations to simplify, reduce, or discontinue medications for which there is an unclear indication, lack of effectiveness, or evidence of potential harm.RÉSUMÉContexte : La population de patients désignés comme « niveaux de soins alternatifs » (NSA) se compose majoritairement d’aînés faibles, médicalement stables et en attente de leur congé hospitalier. Ils suivent des traitements médicamenteux complexes qui comprennent souvent des médicaments potentiellement contre-indiqués (MPCI). L’accent a été progressivement mis sur la gestion du fardeau que les patients NSA font peser sur le système de soins de santé, mais on connait peu de choses sur leurs besoins en matière de soins de santé. Objectif : Décrire les traitements médicamenteux, y compris l’utilisation des MPCI, des patients NSA dans l’institution où s’est déroulée l’étude. Méthodes : Une vérification transversale des dossiers de patients NSA a été menée entre mai et juillet 2017. Chaque médicament pris par les patients de l’échantillon a été classé selon sa catégorie thérapeutique, et les MPCI ont été catégorisés selon les critères de Beers, les critères STOPP/START ainsi qu’une liste établie de médicaments dont le niveau d’alerte est élevé.Résultats : Au total, 82 patients remplissaient les critères de l’audit, car le nombre moyen de maladies chroniques était de 6,4 (écart type [ET] 3,3) et le nombre moyen de médicaments prescrits se montait à 12,8 (ET 6,9). Vingt-quatre (29 %) patients recevaient au moins un médicament de sept classes médicamenteuses différentes. Tous les patients sauf un avaient des MPCI dans leur programme. La fréquence des MPCI était plus élevée selon les critères de Beers (moyenne de MPCI par patient de 3,9 [ET 2,6]). Conclusions : Sur le lieu de l’étude, les patients NSA avaient en moyenne plus de six maladies chroniques gérées à l’aide d’au moins 12 médicaments, dont un quart était des MPCI. Ces données seront utilisées pour informer les cliniciens sur les étapes suivantes et formuler des recommandations afin de simplifier, de réduire ou d’arrêter les médicaments pour lesquels l’indication n’est pas claire, dont l’efficacité est insuffisante ou sur lesquels il existe des données probantes faisant état de dangers potentiels.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».