Evaluation of real-world evidence to assess health outcomes related to deprescribing medications in older adults: an International Society for Pharmacoepidemiology–endorsed systematic review of methodology
Notice bibliographique
Résumé
Observational studies using real-world data (RWD) can address gaps in knowledge on deprescribing medications but are subject to methodological issues. Limited data exist on the methods employed to use RWD to measure the effects of deprescribing. To describe methodological approaches used in observational studies of deprescribing medications in older adults, we conducted a systematic review in Medline for observational studies published in English (January 1, 2000, to September 14, 2023) that examined the health effects of medication deprescribing in older adults. We described study characteristics and methods, focusing on the operationalization of deprescribing as an exposure and potential time-related biases. Forty-five studies were included, representing a variety of drug classes (eg, statins, aspirin, bisphosphonates) and diseases. Most studies adequately addressed potential time-related biases. The definition of deprescribing was not clearly defined in 12 studies. There was heterogeneity regarding the minimum duration of time that qualified as deprescribing, even within a drug class; fewer than one-third of studies provided a justification for these definitions. Observational studies are common to examine the effects of deprescribing; however, there were inconsistencies in measuring deprescribing and a lack of transparency in reporting. There is a need for minimum sufficient reporting criteria for observational studies on deprescribing.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,339 | 0,586 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,020 | 0,019 |
| Bibliométrie | 0,028 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».