Consumer Attitudes Towards Deprescribing: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: Harmful and/or unnecessary medication use in older adults is common. This indicates deprescribing (supervised withdrawal of inappropriate medicines) is not happening as often as it should. This study aimed to synthesize the results of the Patients' Attitudes Towards Deprescribing (PATD) questionnaire (and revised versions). METHODS: Databases were searched from January 2013 to March 2020. Google Scholar was used for citation searching of the development and validation manuscripts to identify original research using the validated PATD, revised PATD (older adult and caregiver versions), and the version for people with cognitive impairment (rPATDcog). Two authors extracted data independently. A meta-analysis of proportions (random-effects model) was conducted with subgroup meta-analyses for setting and population. The primary outcome was the question: "If my doctor said it was possible, I would be willing to stop one or more of my medicines." Secondary outcomes were associations between participant characteristics and primary outcome and other (r)PATD results. RESULTS: We included 46 articles describing 40 studies (n = 10,816 participants). The meta-analysis found the proportion of participants who agreed or strongly agreed with this statement was 84% (95% CI 81%-88%) and 80% (95% CI 74%-86%) in patients and caregivers, respectively, with significant heterogeneity (I2 = 95% and 77%). CONCLUSION: Consumers reported willingness to have a medication deprescribed although results should be interpreted with caution due to heterogeneity. The findings from this study moves toward understanding attitudes toward deprescribing, which could increase the discussion and uptake of deprescribing recommendations in clinical practice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,004 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».