MétaCan
Menu
Retour à la cohorte
Enregistrement W4389009909 · doi:10.1007/s40801-023-00403-0

Outcomes of a Medication Optimization Virtual Interdisciplinary Geriatric Specialist (MOVING) Program: A Feasibility Study

2023· article· en· W4389009909 sur OpenAlexafffundabout
Joanne Ho, Eric To, Rebecca Sammy, Matei D. Stoian, Jennifer Tung, Robert Jack Bodkin, Lindsay Cox, Tony Antoniou, Sophiya Benjamin

Notice bibliographique

RevueDrugs - Real World Outcomes · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of British ColumbiaUniversity of TorontoGrand River HospitalMcMaster UniversitySt. Michael's HospitalResearch Institute for AgingWestern UniversityRegional Municipality of Waterloo
Organismes subventionnairesCentre for Aging + Brain Health Innovation
Mots-clésPolypharmacyMedicineMedical prescriptionDeprescribingBeers CriteriaPharmacyConfidence intervalGeriatricsEmergency medicineFamily medicineInternal medicinePsychiatryNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adverse drug events among older adults result in significant mortality, morbidity and cost. This harm may be mitigated with appropriate prescribing and deprescribing. We sought to understand the prescribing outcomes of an interdisciplinary geriatric virtual consultation service. METHODS: We conducted a retrospective, before-and-after feasibility study to measure prescribing outcomes for a medication optimization virtual interdisciplinary geriatric specialist (MOVING) programme comprised of expertise from geriatric clinical pharmacology, pharmacy and psychiatry for older adults (aged ≥ 65 years) between June and December 2018, Ontario, Canada. The primary outcome was the number of distinct prescriptions and the presence of polypharmacy (defined as ≥ 4 medications) before and after the service. Secondary outcomes included the number of as needed and regularly administered prescriptions, number of potentially inappropriate prescriptions as defined by the Beers and STOPP criteria, and number of prescriptions for psychotropics, long-acting opioids and diabetic medications. RESULTS: We studied 40 patients with a mean age of 80.6 [standard deviation (SD) 8.8] years who received a MOVING consult. We found no significant change in the mean total number of prescriptions per patient before (12.02, SD 5.83) and after the intervention (11.58, SD 5.28), with a mean difference of -0.45 [95% confidence interval (CI) -0.94 to 0.04; p = 0.07]. We found statistically significant decreases in as needed prescriptions (mean difference - 0.30, 95% CI - 0.45 to - 0.15; p<0.001), and potentially harmful medications as identified by the Beers (mean difference -1.25, 95% CI -2.00 to -0.50; p = 0.002) and STOPP (mean difference -1.65, 95% CI -2.33 to -0.97; p < 0.001) scores. Without including the cost savings from hospital diversion by a MOVING consult, the costs of a MOVING consult were $545.80-$629.80 per person, compared with the costs associated with traditional in-person consults involving similar specialist clinical services ($904.89-$1270.69 per person). CONCLUSION: A MOVING model of care is associated with decreases in prescriptions for potentially inappropriate medications in older adults. These findings support further evaluation to ascertain health system impacts.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,051
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,089
Tête enseignante GPT0,448
Écart entre enseignants0,359 · 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'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

Citations4
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDrugs - Real World OutcomesMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207