Deprescribing oral antidiabetics in elderly patients: Do electronic leaflets across the world address it?
Notice bibliographique
Résumé
Diabetes caused 6.7 million deaths in 2021, equating to one death every five seconds, with its global financial burden projected to rise from $1.32 trillion in 2015 to $2.12 trillion by 2030. Severe hypoglycemia necessitates interventions like deprescribing, behavioral strategies, and technology for prevention. Deprescribing aims to reduce unnecessary medication use, enhance rational prescribing, prevent prescribing cascades, and improve health outcomes in elderly patients. Evaluating electronic leaflets can support deprescribing based on patient-centered care and shared decision-making. Objective: To analyze information on deprescribing in oral antidiabetic leaflets from national medicines regulatory authorities, focusing on elderly patients with type 2 diabetes. Methods: This documental study analyzed electronic leaflets of oral antidiabetics from the official websites of nine Medicines Regulatory Authorities: Australia, Brazil, Canada, New Zealand, Singapore, South Africa, UK, USA, and EU, covering drugs listed in the WHO's Essential Medicines List 2023. The analysis focused on the alignment of deprescribing information with the Ontario deprescribing algorithm for oral antidiabetics developed by the Bruyère Institute in Canada. Results: Out of 72 expected leaflets, 64 (88.9 %) were retrieved. Only 18 leaflets (28.1 %) explicitly discussed deprescribing oral antihyperglycemics. Hypoglycemia and drug interaction risks were addressed in 55 leaflets (85.9 %). Caution for use in patients over 65 was mentioned in 32 leaflets (50 %), and 23 leaflets (35.9 %) addressed the risks of tight glucose and HbA1c targets. Conclusion: Despite a high retrieval rate, 11.1 % of leaflets were missing, and those available contained inconsistent deprescribing information. There are significant disparities in guidance across regulatory authorities. Standardized, updated leaflets that address deprescribing in frail older patients could enhance prescribers' confidence and support shared decision-making.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».