Patient and provider perspectives on the development and resolution of prescribing cascades: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Prescribing cascades occur when the side effect of a medication is treated with a second medication. The aim of the study was to understand how prescribing cascades develop and persist and to identify strategies for their identification, prevention and management. METHOD: This qualitative study employed semi-structured interviews to explore the existence of prescribing cascades and to gather patients', caregivers' and clinicians' perspectives about how prescribing cascades start, persist and how they might be resolved. Participants were older adults (over age 65) at an outpatient Geriatric Day Hospital (GDH) with possible prescribing cascades (identified by a GDH team member), their caregivers, and healthcare providers. Data were analyzed using an inductive content analysis approach. RESULTS: Fourteen participants were interviewed (eight patients, one family caregiver, one GDH pharmacist, three GDH physicians and one family physician) providing a total of 22 interviews about patient-specific cases. The complexity and contextually situated nature of prescribing cascades created challenges for all of those involved with their identification. Three themes impacted how prescribing cascades developed and persisted: varying awareness of medications and cascades; varying feelings of accountability for making decisions about medication-related care; and accessibility to an ideal environment and relevant information. Actions to prevent, identify or resolve cascades were suggested. CONCLUSION: Patients and healthcare providers struggled to recognize prescribing cascades and identify when they had occurred; knowledge gaps contributed to this challenge and led to inaction. Strategies that equip patients and clinicians with resources to recognize prescribing cascades and environmental and social supports that would help with their identification are needed. Current conceptualizations of cascades warrant additional refinement by considering the nuances our work raises regarding their appropriateness and directionality.
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 | 0,023 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,009 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».