Notice bibliographique
Résumé
Aims: Communication of hospital deprescribing decisions to the general practitioner (GP) is key for sustaining inpatientdeprescribing decisions into the community. This study aims to refine previously suggested language options to develop a preferred language and format to communicate this information in discharge summaries. Methods: Interviews and focus groups were conducted with 30 multidisciplinary clinicians, including seven GPs, eight pharmacists and 15 hospital doctors. Participants were presented with 10 case scenarios of deprescribing in older inpatients along with phrasing options previously suggested by clinicians. Participants were asked to nominate a preference, reasons why, suggested alterations, and discuss priorities, specific wording and location in the discharge summary. Final preferred language and format were developed using thematic content analysis and determined by consensus. Results: Participants reported the importance of structured phrasing to communicate the decision and plan in a GP followup section of the discharge summary. This format may facilitate further discussion in the GP practice. Participants preferred that deprescribing decisions be communicated using the following framework: 'Medication: Intention, Rationale. Clear plan (dose, duration, follow up). Patient agreement.' The cohort gave mixed responses about including information on the Drug Burden Index, monitoring or alternative management strategies. Using our results, a final 'fill-in-the-blank' template has been developed, reviewed by local geriatricians, and integrated into point-of-care guidelines for further validation. Conclusions: A structured preferred language guide for deprescribing decisions made in hospital for the discharge summary has been developed based on clinician preferences and expert consensus, and is undergoing further evaluation in 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 | 0,000 | 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 | 0,000 | 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) | 0,003 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».