Peer-led Education Expedites De-Prescribing Proton Pump Inhibitors for Appropriate Veterans
Notice bibliographique
Résumé
Costly proton pump inhibitors (PPIs) have been widely prescribed since the 1990’s for prevention and treatment of ulcers and gastroesophageal reflux disease (GERD). Evidence published since 2012 demonstrates risks associated with taking PPIs longer than eight weeks. Primary care providers (PCPs) mostly de-prescribe PPIs for persons not meeting criteria for long term use. Many patients resist discontinuation. A three-month evidenced based practice (EBP) education project was conducted by a nurse practitioner to improve PCP peer de-prescribing successes with appropriate patients in an outpatient California based veteran Primary Care Clinic. Fifteen PCPs were pretested about usual care practices between two comparable clinics. Five PCPs at the smaller clinic location were educated about long term PPI use risks and introduced to three EBP guidelines using tapering techniques with follow up care. A Canadian 2017 EBP PPI de-prescribing guideline was proposed for translation into practice. PCPs voted to pilot this guideline, dependent upon nursing support. PCPs denied frustration with usual care practices, even as all were willing to try an EBP practice change between pre and post-tests. Support for peer led EBP on site coaching increased from 87% to 100%. Tapering behavior increased from 67% to 100%, expediting improved long-term medication cessation.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».