MétaCan
Menu
Retour à la cohorte
Enregistrement W4400977893 · doi:10.1001/jamanetworkopen.2024.24234

Reducing Central Nervous System–Active Medications to Prevent Falls and Injuries Among Older Adults

2024· article· en· W4400977893 sur OpenAlexaff
Elizabeth A. Phelan, Brian D. Williamson, Benjamin H. Balderson, Andrea J. Cook, Annalisa V. Piccorelli, Monica Fujii, Kanichi G. Nakata, Vina F. Graham, Mary Kay Theis, Justin P. Turner, Cara Tannenbaum, Shelly L. Gray

Notice bibliographique

RevueJAMA Network Open · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueIntensive Care Unit Cognitive Disorders
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCenters for Disease Control and Prevention
Mots-clésCentral nervous systemMedicinePhysical medicine and rehabilitationInternal medicine

Résumé

récupéré en direct d'OpenAlex

Importance: High-risk medications that contribute to adverse health outcomes are frequently prescribed to older adults. Deprescribing interventions reduce their use, but studies are often not designed to examine effects on patient-relevant health outcomes. Objective: To test the effect of a health system-embedded deprescribing intervention targeting older adults and their primary care clinicians for reducing the use of central nervous system-active drugs and preventing medically treated falls. Design, Setting, and Participants: In this cluster randomized, parallel-group, clinical trial, 18 primary care practices from an integrated health care delivery system in Washington state were recruited from April 1, 2021, to June 16, 2022, to participate, along with their eligible patients. Randomization occurred at the clinic level. Patients were community-dwelling adults aged 60 years or older, prescribed at least 1 medication from any of 5 targeted medication classes (opioids, sedative-hypnotics, skeletal muscle relaxants, tricyclic antidepressants, and first-generation antihistamines) for at least 3 consecutive months. Intervention: Patient education and clinician decision support. Control arm participants received usual care. Main Outcomes and Measures: The primary outcome was medically treated falls. Secondary outcomes included medication discontinuation, sustained medication discontinuation, and dose reduction of any and each target medication. Serious adverse drug withdrawal events involving opioids or sedative-hypnotics were the main safety outcome. Analyses were conducted using intent-to-treat analysis. Results: Among 2367 patient participants (mean [SD] age, 70.6 [7.6] years; 1488 women [63%]), the adjusted cumulative incidence rate of a first medically treated fall at 18 months was 0.33 (95% CI, 0.29-0.37) in the intervention group and 0.30 (95% CI, 0.27-0.34) in the usual care group (estimated adjusted hazard ratio, 1.11 (95% CI, 0.94-1.31) (P = .11). There were significant differences favoring the intervention group in discontinuation, sustained discontinuation, and dose reduction of tricyclic antidepressants at 6 months (discontinuation adjusted rate: intervention group, 0.23 [95% CI, 0.18-0.28] vs usual care group, 0.13 [95% CI, 0.09-0.17]; adjusted relative risk, 1.79 [95% CI, 1.29-2.50]; P = .001) and secondary time points (9, 12, and 15 months). Conclusions and Relevance: In this randomized clinical trial of a health system-embedded deprescribing intervention targeting community-dwelling older adults prescribed central nervous system-active medications and their primary care clinicians, the intervention was no more effective than usual care in reducing medically treated falls. For health systems that attend to deprescribing as part of routine clinical practice, additional interventions may confer modest benefits on prescribing without a measurable effect on clinical outcomes. Trial Registration: ClinicalTrials.gov Identifier: NCT05689554.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,858
Score d'incertitude au seuil0,727

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,007
Tête enseignante GPT0,276
Écart entre enseignants0,268 · 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 tête enseignante, 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

Citations17
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAMA Network OpenMême sujetIntensive Care Unit Cognitive DisordersTravaux en français237 207