MétaCan
Menu
← Retour à la cohorte
Enregistrement W3115104510 · doi:10.1093/geroni/igaa057.3332

Exploration of Barriers and Facilitators for Deprescribing Opioids and Benzodiazepines to Reduce Older Adult Falls

2020· article· en· W3115104510 sur OpenAlexaboutno aff
Ellen Roberts, Cristine B. Henage, Lori T. Armistead, Tamera D. Hughes, Joshua D. Niznik, Courtney Schlusser, Jan Busby‐Whitehead, Stefanie P. Ferreri

Notice bibliographique

RevueInnovation in Aging · 2020
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeprescribingMedicineFocus groupIntervention (counseling)Beers CriteriaPsychological interventionDiscontinuationNursingPolypharmacyPsychiatryMedical prescriptionIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Abstract As part of a randomized control trial for deprescribing opioids and benzodiazepines (BZD) to reduce falls (funded by Centers for Disease Control), we conducted a virtual focus group and surveys to evaluate opioid and BZD prescribing practices among healthcare providers in four primary care clinics in North Carolina. Survey and focus group questions measured providers’ confidence in their abilities to weigh benefits and harms of opioids and/or BZDs in older adults; determine alternative interventions; create a safe dosing plan; and incorporate patient preferences. A validated pre-intervention survey, adapted from a survey by the Canadian Deprescribing Network, was administered to providers in control and intervention clinics (n=29). Providers expressed high confidence in their abilities to weigh risks and benefits of deprescribing opioids and BZDs, but low confidence in deprescribing under impeding circumstances (e.g. when not the original prescriber or when there is no evidence to inform them). Results were similar across opioids and BZDs. A focus group was conducted among seven providers from the two intervention clinics. Barriers to deprescribing identified included patient resistance, lack of knowledge of deprescribing best practices, and lack of time to discuss deprescribing during regular clinic visits. Providers also expressed concerns about deprescribing medications initiated by or managed by other prescribers. Key facilitators of deprescribing included patient trust in physician, patients being agreeable to reduce medications, and use of gradual tapering rather than abrupt discontinuation. Barriers and facilitators were subsequently used to optimize training and provider resources for the deprescribing intervention, which is currently being implemented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,140
Tête enseignante GPT0,398
Écart entre enseignants0,257 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInnovation in Aging→Même sujetPharmaceutical Practices and Patient Outcomes→Travaux en français237 207→