Development and Validation of Nine Deprescribing Algorithms for Patients on Hemodialysis to Decrease Polypharmacy
Notice bibliographique
Résumé
BACKGROUND: Polypharmacy is ubiquitous in patients on hemodialysis (HD), and increases risk of adverse events, medication interactions, nonadherence, and mortality. Appropriately applied deprescribing can potentially minimize polypharmacy risks. Existing guidelines are unsuitable for nephrology clinicians as they lack specific instructions on how to deprescribe and which safety parameters to monitor. OBJECTIVE: To develop and validate deprescribing algorithms for nine medication classes to decrease polypharmacy in patients on HD. DESIGN: Questionnaires and materials sent electronically. PARTICIPANTS: Nephrology practitioners across Canada (nephrologists, nurse practitioners, renal pharmacists). METHODS: A literature search was performed to develop the initial algorithms via Lynn's method for development of content-valid clinical tools. Content and face validity of the algorithms was evaluated over three interview rounds using Lynn's method for determining content validity. Canadian nephrology clinicians each evaluated three algorithms (15 clinicians per round, 45 clinicians in total) by rating each algorithm component on a four-point Likert scale for relevance; face validity was rated on a five-point scale. After each round, content validity index of each component was calculated and revisions made based on feedback. If content validity was not achieved after three rounds, additional rounds were completed until content validity was achieved. RESULTS: After three rounds of validation, six algorithms achieved content validity. After an additional round, the remaining three algorithms achieved content validity. The proportion of clinicians rating each face validity statement as "Agree" or "Strongly Agree" ranged from 84% to 95% (average of all five questions, across three rounds). LIMITATIONS: Algorithm development was guided by existing deprescribing protocols intended for the general population and the expert opinions of our study team, due to a lack of background literature on HD-specific deprescribing protocols. There is no universally accepted method for the validation of clinical decision-making tools. CONCLUSIONS: Nine medication-specific deprescribing algorithms for patients on HD were developed and validated by clinician review. Our algorithms are the first medication-specific, patient-centric deprescribing guidelines developed and validated for patients on HD.
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 | 0,044 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 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 ».