Addressing Barriers to Reducing Prescribing and Implementing Deprescribing of Sedative-Hypnotics in Primary Care
Notice bibliographique
Résumé
OBJECTIVE: To describe interventions that target patient, provider, and system barriers to sedative-hypnotic (SH) deprescribing in the community and suggest strategies for healthcare teams. DATA SOURCES: Ovid MEDLINE ALL and EMBASE Classic + EMBASE (March 10, 2021). STUDY SELECTION AND DATA EXTRACTION: English-language studies in primary care settings. DATA SYNTHESIS: 20 studies were themed as patient-related and prescriber inertia, physician skills and awareness, and health system constraints. Patient education strategies reduced SH dose for 10% to 62% of participants, leading to discontinuation in 13% to 80% of participants. Policy interventions reduced targeted medication use by 10% to 50%. RELEVANCE TO PATIENT CARE AND CLINICAL PRACTICE: Patient engagement and empowerment successfully convince patients to deprescribe chronic SHs. Quality improvement strategies should also consider interventions directed at prescribers, including education and training, drug utilization reviews, or computer alerts indicating a potentially inappropriate prescription by medication, age, dose, or disease. Educational interventions were effective when they facilitated patient engagement and provided information on the harms and limited evidence supporting chronic use as well as the effectiveness of alternatives. Decision support tools were less effective than prescriber education with patient engagement, although they can be readily incorporated in the workflow through prescribing software. CONCLUSIONS: Several strategies with demonstrated efficacy in reducing SH use in community practice were identified. Education regarding SH risks, how to taper, and potential alternatives are essential details to provide to clinicians, patients, and families. The strategies presented can guide community healthcare teams toward reducing the community burden of SH use.
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 | 0,014 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».