MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392764199 · doi:10.4212/cjhp.3461

Prescribing Portraits to Optimize Prescribing of Proton Pump Inhibitors in Long-Term Care: PPI-T STOP Study

2024· article· en· W4392764199 sur OpenAlexaffvenueabout
Ying Wang, L. P. S. SPENCE, Anthony Tung, Carolyn Bubbar, Wade Thompson, Aaron M Tejani

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueGastroesophageal reflux and treatments
Établissements canadiensUniversity of British ColumbiaPeace Arch HospitalFraser HealthProvidence Health CareVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésDeprescribingMedicineLong-term careAdverse effectBeers CriteriaAuditHealth careNursing homesIntensive care medicinePediatricsEmergency medicineFamily medicinePolypharmacyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background: Proton pump inhibitors (PPIs) are among the most commonly prescribed medications in Canada, particularly for older adults (at least 65 years of age). Overprescribing of long-term PPIs leads to health care system waste and is associated with adverse effects, including infections and fractures. The high prevalence of PPI prescribing in long-term care (LTC) facilities prompted an evaluation of systematic approaches to PPI deprescribing. Objective: To assess the impact of individualized prescribing portraits, a type of audit-and-feedback quality improvement intervention, on PPI deprescribing in the LTC setting. Methods: This prospective, nonblinded, uncontrolled, pre–post quality improvement study was conducted from December 2021 to April 2022 at a 126-bed LTC facility in Vancouver, British Columbia. A PPI prescribing portrait was developed for each prescriber (n = 5) at the LTC facility, containing the prescriber’s personal PPI prescribing metrics as compared with those of their peers across all LTC facilities within the same health authority; an evidence summary for PPI deprescribing; and a personalized list of the prescriber’s PPI-treated residents, along with their respective PPI indications and strategies for PPI deprescribing. Three months after the prescribers received their PPI prescribing portraits, the number and types of PPI deprescribing orders were recorded. Results: The implementation of prescribing portraits resulted in 17 (61%) of 28 PPI-treated residents receiving a deprescribing order by the end of the study period. Of the 28 PPI-treated residents, 20 were determined to be eligible for PPI deprescribing according to the evidence summary presented in the prescribing portrait; of these 20 residents, 16 (80%) appropriately received PPI deprescribing. Conclusions: Individualized prescribing portraits had the potential to increase evidence-based PPI deprescribing among LTC residents, beyond the extent of deprescribing previously achieved through standard of care. Keywords: deprescribing, long-term care, proton pump inhibitors, quality improvement, prescribing portrait RÉSUMÉ Contexte : Les inhibiteurs de la pompe à protons (IPP) comptent parmi les médicaments les plus couramment prescrits au Canada, particulièrement chez les personnes âgées (au moins 65 ans). La prescription excessive d’IPP à long terme entraîne un gaspillage pour le système de santé et est associée à des effets indésirables, notamment des infections et des fractures. La prévalence élevée de la prescription d’IPP dans les établissements de soins de longue durée (SLD) a entraîné une évaluation des approches systématiques de déprescription des IPP. Objectif : Évaluer l’incidence des schémas de prescription individualisés, un type d’intervention d’amélioration de la qualité basée sur l’audit et la rétroaction, sur la déprescription des IPP dans les établissements de SLD. Méthodes : Cette étude prospective, sans insu et non contrôlée sur l’amélioration de la qualité pré-post a été menée entre décembre 2021 et avril 2022 dans un établissement de SLD de 126 lits à Vancouver, en Colombie-Britannique. Un schéma de prescription d’IPP a été élaboré pour chaque prescripteur (n = 5) de l’établissement de SLD, contenant les paramètres personnels de prescription d’IPP du prescripteur par rapport àceux de ses pairs dans tous les établissements de SLD au sein de la même autorité sanitaire; un résumé des données probantes pour la déprescription des IPP; et une liste personnalisée des résidents du prescripteur traités par IPP, ainsi que, respectivement, leurs indications d’IPP pour la déprescription des IPP. Trois mois après la réception des schémas de prescription d’IPP des prescripteurs, le nombre et les types d’ordonnances de déprescription d’IPP ont été enregistrés. Résultats : La mise en œuvre de schémas de prescription a permis à17 (61 %) des 28 résidents traités par IPP de recevoir une ordonnance de déprescription pendant la période d’étude. Sur les 28 résidents traités par IPP, 20 ont été jugés admissibles à la déprescription des IPP sur la base du résumé des données probantes présentées dans le schéma de prescription; sur ces 20 résidents, 16 (80 %) ont reçu de manière appropriée une déprescription d’IPP. Conclusions : Les schémas de prescription individualisés avaient le potentiel d’augmenter la déprescription d’IPP fondée sur des données probantes chez les résidents des établissements de SLD, au-delà de l’étendue de la déprescription précédemment atteinte grâce aux normes de soins. Mots-clés : déprescription, soins de longue durée, inhibiteurs de la pompe à protons, amélioration de la qualité, schéma de prescription

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0000,001
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)0,0020,000

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 Opus0,022
Tête enseignante GPT0,311
Écart entre enseignants0,289 · 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

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital Pharmacy→Même sujetGastroesophageal reflux and treatments→Travaux en français237 207→