A systems approach to identifying the challenges of implementing deprescribing in older adults across different health-care settings and countries: a narrative review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: There is increasing recognition of the need for deprescribing of inappropriate medications in older adults. However, efforts to encourage implementation of deprescribing in clinical practice have resulted in mixed results across settings and countries.Area covered: Searches were conducted in PubMed, Embase, and Google Scholar in June 2019. Reference lists, citation checking, and personal reference libraries were also utilized. Studies capturing the main challenges of, and opportunities for, implementing deprescribing into clinical practice across selected health-care settings internationally, and international deprescribing-orientated policies were included and summarized in this narrative review.Expert opinion: Deprescribing intervention studies are inherently heterogeneous because of the complexity of interventions employed and often do not reflect the real-world. Further research investigating enhanced implementation of deprescribing into clinical practice and across health-care settings is required. Process evaluations in deprescribing intervention studies are needed to determine the contextual factors that are important to the translation of the interventions in the real-world. Deprescribing interventions may need to be individually tailored to target the unique barriers and opportunities to deprescribing in different clinical settings. Introduction of national policies to encourage deprescribing may be beneficial, but need to be evaluated to determine if there are any unintended consequences.
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.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle