Pharmacist-led sedative-hypnotic deprescribing in team-based primary care practice
Notice bibliographique
Résumé
Background: Sedative-hypnotic (SH) medications are often used to treat chronic insomnia, with potentially serious long-term side effects. The objective of this study is to evaluate an interprofessional SH deprescribing program within a community team-based, primary care practice, with or without cognitive behavioural therapy for insomnia (CBT-I). Methods: Retrospective chart review for patients referred to the team pharmacist for SH deprescribing from February 2016 to June 2019. Results: A total of 121 patients were referred for SH deprescribing, with 111 (92%) patients who attempted deprescribing (average age 69, range 29-97 years) and 22 patients who also received CBT-I. Overall, 36 patients (32%) achieved complete abstinence, and another 36 patients (32%) reduced their dosage by ≥50%. For the 36 patients who achieved complete abstinence, 26 (72%) patients remained abstinent at 6 months (9 patients resumed using SH and 1 patient was lost to follow-up). The proportion of patients achieving complete abstinence or reduced dosage of ≥50% (successful tapering) was higher with CBT-I than without CBT-I but did not reach statistical significance (77% vs 62%, p = 0.22). There were also no statistically significant differences detected in the success between those who took a benzodiazepine and those who took a Z-drug (67% vs 61%, p = 0.55) or for those who took SH daily and those who took them intermittently (67% vs 44%, p = 0.09). Conclusion: Almost two-thirds of patients participating in our pharmacist-led program were able to stop or taper their SH medications by ≥50%. The role of CBT-I in SH deprescribing remains to be further elucidated. Can Pharm J (Ott) 2021;154:xx-xx.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».