MétaCan
Menu
Retour à la cohorte
Enregistrement W4290973280 · doi:10.54656/jces.v15i1.447

Using Community Engagement to Initiate Conversations About Medication Management and Deprescribing in Primary Care

2022· article· en· W4290973280 sur OpenAlexaffabout
Emily Galley, Barbara Farrell, James Conklin, Pam Howell, Lisa McCarthy, Lalitha Raman‐Wilms

Notice bibliographique

RevueJournal of Community Engagement and Scholarship · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPolypharmacyDeprescribingMedicineParticipatory action researchBeers CriteriaCommunity-based participatory researchHealth carePublic healthNursingMedication therapy managementPharmacistSociologyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Polypharmacy, or the simultaneous use of multiple medications, represents a significant public health challenge—particularly among older adults, who are more likely to experience negative clinical outcomes attributable to adverse reactions to or interactions between their medications (Canadian Institute for Health Information, 2013). Improved medication management on the part of both patients and health care providers (HCPs) is needed to address the issues and consequences associated with polypharmacy, but conversations between patients and their HCPs about options for medication changes remain the exception. In a rural community near Ottawa, Ontario, a community-based participatory research (CBPR) approach aimed to support improved public awareness of and participation in medication management and deprescribing through educational events aimed at older adults. This paper describes the processes researchers used in collaboration with community members to discuss and address medication management in a locally relevant manner, details the results of these processes, and suggests how similar approaches may be employed to empower patients and communities to address issues of personal health care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,466
Tête enseignante GPT0,430
Écart entre enseignants0,035 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Community Engagement and ScholarshipMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207