How does deprescribing (not) reduce mortality? A review of a meta‐analysis in community‐dwelling older adults casts uncertainty over claimed benefits
Notice bibliographique
Résumé
Some meta-analyses suggest that deprescribing may reduce mortality. Our aim was to determine the underlying factors contributing to this observed reduction. We analysed data from 12 randomized controlled trials included in the latest meta-analysis on deprescribing in community-dwelling older adults. Our analysis focused on deprescribed medications and potential methodological concerns. Only a third (4/12) of the trials aimed to study mortality, and that too as a secondary outcome. Five trials reported a reduction in total medications, potentially inappropriate medications or drug-related problems. Information on specific classes of deprescribed medications was limited, although a wide array was concerned (e.g., antihypertensive, sedative, gastro-intestinal medications and vitamins). Follow-up periods were ≤1 year in 11 trials, and five trials included ≤150 participants. Small sample sizes often resulted in imbalanced groups (e.g., comorbidities, number of potentially inappropriate medications), yet no trials presented multivariable analyses. In the two trials with the most weight in the meta-analysis, several deaths occurred before the intervention, making it difficult to draw conclusions about the impact of the deprescribing intervention on mortality. These methodological issues cast significant uncertainty on the benefits of deprescribing on mortality outcomes. Large-scale, well-designed trials are needed to address this issue effectively.
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 | 0,009 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,015 | 0,007 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; 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 ».