MétaCan
Menu
Retour à la cohorte
Enregistrement W4402599281 · doi:10.1001/jamapsychiatry.2024.2731

Patient Self-Guided Interventions to Reduce Sedative Use and Improve Sleep

2024· article· en· W4402599281 sur OpenAlexaffabout
David M. Gardner, Justin P. Turner, Sandra Magalhaes, Malgorzata Rajda, Andrea Murphy

Notice bibliographique

RevueJAMA Psychiatry · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueSleep and related disorders
Établissements canadiensUniversity of New BrunswickDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionMedicineInsomniaAnxietyRandomized controlled trialQuality of life (healthcare)BedtimePhysical therapyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Importance: Direct-to-patient interventions enabling transitions from long-term benzodiazepine receptor agonist (BZRA) use to cognitive behavioral therapy for insomnia (CBTI) by older adults has the potential to reduce BZRA use and related harms while improving sleep outcomes without requiring prearranged clinician involvement. Objective: To compare 2 direct-to-patient behavior change interventions with treatment as usual (TAU) on BZRA use, sleep, and other health outcomes, and uptake of CBTI techniques. Design, Setting, and Participants: The Your Answers When Needing Sleep in New Brunswick (YAWNS NB) study was a 3-arm, pragmatic, open-label, minimum-contact, randomized clinical trial. The study began November 2020 and ended June 2022. Participants were randomly allocated to 1 of 3 groups, including 2 different mailed behavior change interventions or no intervention (TAU). Participants were from communities across the province of New Brunswick, Canada, and included adults 65 years and older living independently with long-term use of BZRAs and current or past insomnia. Interventions: The Sleepwell package (YAWNS-1) consisted of a cover letter and 2 booklets ("How to Stop Sleeping Pills" and "How to Get Your Sleep Back"). The other package (YAWNS-2) included updated versions of the 2 booklets ("You May Be at Risk" and "How to Get a Good Night's Sleep Without Medication") used in the Eliminating Medications Through Patient Ownership of End Results (EMPOWER) study. Main Outcomes and Measures: BZRA use at 6 months was the primary measure. Secondary measures included CBTI use, sleep, insomnia, daytime sleepiness, safety, anxiety, frailty, and quality of life. Results: A total of 1295 individuals expressed interest in the study, and 565 (43.6%) completed a baseline assessment. Participants had a mean (SD) age of 72.1 (5.7) years, a mean (SD) BZRA use duration of 11.4 (9.1) years, and 362 (64.1%) were female. Discontinuations and dose reductions of 25% or greater were highest with YAWNS-1 (50 of 191 [26.2%]; 39 of 191 [20.4%]; total, 46.6%) compared with YAWNS-2 (38 of 187 [20.3%]; 27 of 187 [14.4%]; total, 34.8%, P = .02) and TAU (14 of 187 [7.5%]; 24 of 187 [12.8%]; total, 20.3%, P < .001). YAWNS-1 also demonstrated better uptake of CBTI techniques and sleep outcomes compared with YAWNS-2 (new CBTI techniques: 3.1 vs 2.4; P =.03; sleep efficiency change: 4.1% vs -1.7%; P =.001) and reduced insomnia severity and daytime sleepiness compared with TAU (insomnia severity index change: -2.0 vs 0.3; P <.001; Epworth Sleepiness Scale change: -0.8 vs 0.3; P =.001). Conclusions and Relevance: Results of the YAWNS NB randomized clinical trial show that, as a simple, scalable, direct-to-patient intervention, YAWNS-1 substantially reduced BZRA use and improved sleep outcomes. It could be implemented to transform insomnia care for older adults at the population level. Trial Registration: ClinicalTrials.gov Identifier: NCT04406103.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,134
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,001

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 Opus0,019
Tête enseignante GPT0,319
Écart entre enseignants0,301 · 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.

Devis d'étudeSans objet
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

Citations15
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJAMA PsychiatryMême sujetSleep and related disordersTravaux en français237 207