Barriers and enablers towards benzodiazepine-receptor agonists deprescribing in nursing homes: A qualitative study of stakeholder groups
Notice bibliographique
Résumé
Background: Despite recommendations to deprescribe chronic benzodiazepine receptor agonists (BZRA) among older adults, the prevalence of their use in Belgian nursing homes (NHs) remains above 50%. The use of a behavioral science approach, starting with the evaluation of barriers and enablers for BZRA deprescribing, has the potential to decrease BZRA prescribing. Objectives: To identify barriers and enablers for BZRA deprescribing perceived by the different stakeholders involved in nursing home care in Belgium. Methods: In a purposive sample of 6 NHs, we conducted face-to-face interviews with general practitioners (GPs), and focus groups with other healthcare providers (HCPs), including nurses, pharmacists, occupational therapists, physical therapists, and with NH residents and relatives. All interviews with HCPs were analyzed through deductive thematic analysis, using the theoretical domains framework (TDF) as the coding framework. Residents' and relatives' interviews were analyzed using an inductive thematic approach. Results: We interviewed 13 GPs, 35 other HCPs, 22 nursing home residents, and 5 relatives. Overall, 9 TDF domains were identified as most relevant among HCPs interviewed: Skills, Beliefs about capabilities, Goals, Memory attention and decision processes, Environmental context and resources, Social influences, Knowledge, Social/professional role and identity, and Beliefs about consequences. Five additional themes emerged from residents' and relatives' interviews: knowledge on medications used, communication with NH staff and GPs, perceived efficacy and necessity of BZRA, influence of the environment, and reluctance towards BZRA deprescribing. Some domains and themes differ between stakeholders (e.g., knowledge), while others match between groups (e.g., environmental aspects). Conclusion: BZRA deprescribing is influenced by knowledge and skills gaps, automatic BZRA refilling, competing priorities, social challenges, environmental factors and poor nursing home residents involvement. Targeting these barriers will be a key step for implementation of BZRA deprescribing.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».