Prescribing cascades: we see only what we look for, we look for only what we know
Notice bibliographique
Résumé
Prescribing cascades are increasingly recognized since they were described in the mid-1990s. Cascades are more likely in older people with multimorbidity and associated polypharmacy where multiple medications can induce a variety of side effects that manifest with various non-specific symptoms that may be misidentified as new geriatric syndromes such as falls, dizziness and new-onset incontinence. Geriatricians encounter medication side effects frequently and will usually consider if an older patient presenting with new symptoms could be experiencing an adverse drug reaction or event. However, most medications prescribed to multimorbid older patients are initiated and continued by prescribers without specialist geriatric training who may not detect medication-induced morbidity. Therefore, novel approaches to the detection and management of prescribing cascades in older people are needed. Currently, the knowledge base surrounding prescribing cascades in older people is evolving towards better methods for cascade detection and secondary prevention. However, the large number of cascades described in the literature, the wide-ranging symptomatology of cascades and the rapidly increasing number of multimorbid older people at risk of cascades represent major challenges for prescribers. Furthermore, prospective prevalence studies of prescribing cascades in older people are lacking. To detect and correct prescribing cascades during routine medication review in multimorbid older people, awareness of cascades is essential. Prescribing cascade awareness in turn requires novel explicit ways of defining cascades to facilitate their rapid detection and correction during medication review. Given that prescribing cascades represent another aspect of inappropriate prescribing (IP), explicit cascades criteria should be integrated with other explicit IP criteria.
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 | 0,000 | 0,000 |
| 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».