Evaluation of a community-based memory clinic in collaboration with local hospitals to support patients with memory decline
Notice bibliographique
Résumé
Objective: This study evaluates the role of a specialised and multidisciplinary healthcare team, including a pharmacist, in providing medication management for patients with mild cognitive impairment (MCI) and dementia, in a memory clinic. Methods: The study analysed the dataset of 102 patients of a geriatric and memory clinic in a rural area of Ontario, Canada. The case histories of the patients were reviewed a week before the clinic day and a pharmacist performed medication reconciliations. During the clinic day, cognitive tests were conducted and outcomes were discussed with the team, to create a care plan and schedule a follow-up within 3, 6 or 12 months. Results: -value 0.001) were deprescribed, with 510 prescriptions and 202 non-prescription items. Out of the 712 deprescribed drugs, 374 were discontinued with no therapeutic substitutions, 202 were reduced in dosage and 136 were switched to a safer alternative. A total of 43 patients showed improved Activities of Daily Living (ADL) performance after 3 and 6 months and 68 patients showed improvement after 12 months. Conclusion: This study highlights the importance of a multidisciplinary approach in addressing drug-therapy problems, medication optimisation, and deprescription in patients with dementia. The presence of a pharmacist in the multidisciplinary team enables impactful medication optimisation and leads to improved patient outcomes. This demonstrates the value of specialised expertise in medication management for patients with dementia.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».