Potentially inappropriate medication and attitudes of older adults towards deprescribing
Notice bibliographique
Résumé
INTRODUCTION: Multimorbidity and polypharmacy are current challenges when caring for the older population. Both have led to an increase of potentially inappropriate medication (PIM), illustrating the need to assess patients' attitudes towards deprescribing. We aimed to assess the prevalence of PIM use and whether this was associated with patient factors and willingness to deprescribe. METHOD: We analysed data from the LESS Study, a cross-sectional study on self-reported medication and on barriers and enablers towards the willingness to deprescribe (rPATD questionnaire). The survey was conducted among multimorbid (≥3 chronic conditions) participants ≥70 years with polypharmacy (≥5 long-term medications). A subset of the Beers 2019 criteria was applied for the assessment of medication appropriateness. RESULTS: Data from 300 patients were analysed. The mean age was 79.1 years (SD 5.7). 53% had at least one PIM (men: 47.8%%, women: 60.4%%; p = 0.007). A higher number of medications was associated with PIM use (p = 0.002). We found high willingness to deprescribe in both participants with and without PIM. Willingness to deprescribe was not associated with PIM use (p = 0.25), nor number of PIMs (p = 0.81). CONCLUSION: The willingness of older adults with polypharmacy towards deprescribing was not associated with PIM use in this study. These results suggest that patients may not be aware if they are taking PIMs. This implies the need for raising patients' awareness about PIMs through education, especially in females, in order to implement deprescribing in daily practice.
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 ».