AN INTERPROFESSIONAL APPROACH TO DEPRESCRIBING: A CURRICULAR FRAMEWORK
Notice bibliographique
Résumé
Abstract Deprescribing is an important approach for managing polypharmacy and reducing harm from potentially inappropriate medications. Healthcare professionals identify barriers to deprescribing, including lack of knowledge and skill. This is not surprising as pre-licensure education does not consistently incorporate components of deprescribing into curricula. As such, there is a clear need to consider how to promote deprescribing competencies, teach related knowledge and skills and assess learning outcomes. The Canadian Deprescribing Network (CaDeN) Health Care Professional Committee undertook a consensus process to develop a proposed competency framework that describes essential knowledge, teaching strategies, and assessment protocols to promote deprescribing skills and advocate for consistent education about deprescribing principles and practices. The framework is informed by the deprescribing process, which includes gathering and interpreting patients’ medication history and clinical information within their context, using tools that help identify potentially inappropriate medications, weighing potential benefit and harm of continuing or deprescribing medications, using shared decision-making to make decisions about deprescribing, communicating deprescribing and monitoring plans, and monitoring progress and outcomes. The competency framework considers interprofessional learning and how to involve patients and care partners in deprescribing decisions. Integrating deprescribing competencies in healthcare curricula requires an intentional and structured approach across all years of the program, focusing on interprofessional collaboration. Learning activities should be active and practical, progressing from early to advanced learner skills and include integration of deprescribing during experiential education. This framework includes a review of the competencies, learning outcomes, and assessment strategies, with a discussion of strategies to incorporate interprofessional learning activities.
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 | 0,021 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,009 | 0,006 |
| Science ouverte | 0,004 | 0,014 |
| Intégrité de la recherche | 0,005 | 0,005 |
| 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; 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 ».