Appropriateness of Medications in Older Adults Living With Frailty: Impact of a Pharmacist-Led Structured Medication Review Process in Primary Care
Notice bibliographique
Résumé
Background: Older persons with frailty take multiple medications and are vulnerable to inappropriate prescribing. Objective: This study assesses the impact of a team-based, pharmacist-led structured medication review process in primary care on the appropriateness of medications taken by older adults living with frailty. Methods: This was a quasi-experimental pretest-posttest design in 6 primary care practices within an academic clinic in Edmonton, Alberta, Canada. We enrolled community dwelling older adults 65 years and older with frailty who have polypharmacy and/or 2 or more chronic conditions (ie, high-risk group for drug-related issues). The intervention was a structured pharmacist-led medication review using evidence-based explicit criteria (ie, Beers and STOPP/START criteria) and implicit criteria (ie, pharmacist expertise) for potentially inappropriate prescribing, done in the context of a primary care team-based seniors’ program. We measured the changes in the number of medications pre- and postmedication review, number of medications satisfying explicit criteria of START and STOPP/Beers and determined the association with frailty level. Data were analyzed using descriptive and inferential statistics (a priori significance level of P < .05). Results: A total of 54 participants (61.1% females, mean age 81.7 years [SD = 6.74]) enrolled April 2017 to May 2018 and 52 participants completed the medication review process (2 lost to hospitalization). Drug-related problems noted on medication review were untreated conditions (61.1%), inappropriate medications (57.4%), and unnecessary therapy (40.7%). No significant changes in total number of medications taken by patients before and after, but the intervention significantly decreased number of inappropriate medications (1.15 meds pre to 0.9 meds post; P = .006). Conclusion: A pharmacist-led medication review is a strategy that can be implemented in primary care to address inappropriate medications.
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 | 0,016 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».