MétaCan
Menu
Retour à la cohorte
Enregistrement W4309902062 · doi:10.3310/nihropenres.13285.1

Improving Medicines use in People with Polypharmacy in Primary Care (IMPPP): Protocol for a multicentre cluster randomised trial comparing a complex intervention for medication optimization against usual care

2022· article· en· W4309902062 sur OpenAlexaff
Rupert Payne, Peter S Blair, Barbara Caddick, Carolyn Chew‐Graham, Tobias Dreischulte, Lorna Duncan, Bruce Guthrie, Cindy Mann, Roxanne Parslow, Jeff Round, Chris Salisbury, Katrina Turner, Nicholas Turner, Deborah McCahon

Notice bibliographique

RevueNIHR Open Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensInstitute of Health Economics
Organismes subventionnairesHealth and Social Care Delivery ResearchDepartment of Health and Social CareHealth Services and Delivery Research ProgrammeNational Institute for Health and Care Research
Mots-clésPolypharmacyMedicineProtocol (science)Intervention (counseling)Cluster randomised controlled trialPrimary careCluster (spacecraft)Alternative medicineFamily medicineIntensive care medicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Introduction: Polypharmacy is increasingly common, and associated with undesirable consequences. Polypharmacy management necessitates balancing therapeutic benefits and risks, and varying clinical and patient priorities. Current guidance for managing polypharmacy is not supported by high quality evidence. The aim of the Improving Medicines use in People with Polypharmacy in Primary Care (IMPPP) trial is to evaluate the effectiveness of an intervention to optimise medication use for patients with polypharmacy in a general practice setting. Methods: This trial will use a multicentre, open-label, cluster-randomised controlled approach, with two parallel groups. Practices will be randomised to a complex intervention comprising structured medication review (including interprofessional GP/pharmacist treatment planning and patient-facing review) supported by performance feedback, financial incentivisation, clinician training and clinical informatics (intervention), or usual care (control). Patients with polypharmacy and triggering potentially inappropriate prescribing (PIP) indicators will be recruited in each practice using a computerised search of health records. 37 practices will recruit 50 patients, and review them over a 26-week intervention delivery period. The primary outcome is the mean number of PIP indicators triggered per patient at 26 weeks follow-up, determined objectively from coded GP electronic health records. Secondary outcomes will include patient reported outcome measures, and health and care service use. The main intention-to-treat analysis will use linear mixed effects regression to compare number of PIP indicators triggered at 26 weeks post-review between groups, adjusted for baseline (pre-randomisation) values. A nested process evaluation will explore implementation of the intervention in primary care. Ethics and dissemination: The protocol and associated study materials have been approved by the Wales REC 6, NHS Research Ethics Committee (REC reference 19/WA/0090), host institution and Health Research Authority. Research outputs will be published in peer-reviewed journals and relevant conferences, and additionally disseminated to patients and the public, clinicians, commissioners and policy makers. ISRCTN Registration: 90146150 (28/03/2019).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,039
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,262

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,036
Méta-épidémiologie (sens strict)0,0080,004
Méta-épidémiologie (sens large)0,0140,007
Bibliométrie0,0030,004
Études des sciences et des technologies0,0040,006
Communication savante0,0050,004
Science ouverte0,0050,003
Intégrité de la recherche0,0110,010
Charge utile insuffisante (le modèle a refusé de juger)0,0780,019

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 Opus0,349
Tête enseignante GPT0,533
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

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'admission1
Résumé présentoui

Explorer davantage

Même revueNIHR Open ResearchMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207