MétaCan
Menu
Retour à la cohorte
Enregistrement W3118996528 · doi:10.1177/0193945920982599

Educating Homecare Nurses about Deprescribing of Medications to Manage Polypharmacy for Older Adults

2021· article· en· W3118996528 sur OpenAlexafffund
Winnie Sun, Farah Tahsin, Jennifer Abbass‐Dick, Caroline Barakat, Justin P. Turner, Dale Wilson, Cheryl Reid‐Haughian, Bahar Ashtarieh

Notice bibliographique

RevueWestern Journal of Nursing Research · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensCARE CanadaUniversité de MontréalOntario Tech University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDeprescribingPolypharmacyLikert scaleMedicineIntervention (counseling)Thematic analysisNursingScale (ratio)Qualitative researchPsychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to evaluate the acceptability, appropriateness, and effectiveness of educational intervention with homecare nurses about deprescribing of medications among older adults. An evaluation research study was conducted using survey design to evaluate deprescribing education with a total sample of 45 homecare nurses from three homecare organizations. Post-training evaluation data were evaluated using Likert scale and open-ended questions were analyzed using descriptive statistical analyses and qualitative thematic analysis. Post-intervention questionnaire responses provided descriptions about homecare nurses' perspectives related to deprescribing education, as well as the effectiveness of training in addressing their knowledge gaps. The pilot-testing of deprescribing learning modules and educational training revealed acceptability and suitability for future scale-up to expand its future reach and adoption by other homecare organizations. This study provided important implications into the barriers that impact the effectiveness of deprescribing education, and facilitators that support the future refinement of learning modules.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,756
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,269
Tête enseignante GPT0,570
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWestern Journal of Nursing ResearchMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207