Deprescribing: moving from evidence to implementation
Notice bibliographique
Résumé
Background: Polypharmacy (taking 5 or more medications) affects almost two-thirds of older Canadian adults.It is associated with adverse drug events (ADEs) such as falls, fractures, hospitalization, and death.Deprescribing, the clinically supervised process of stopping or reducing the dose of medications that are harmful, extraneous, or no longer beneficial, can reduce the negative effects of polypharmacy.However, some clinicians are still hesitant to deprescribe for fear of causing potential adverse drug withdrawal events (ADWEs), defined as the re-emergence of disease symptoms, or rebound effects once a medication is discontinued.Techniques to quantify and mitigate ADWEs represent an important step forward.Scaling interventions to reach as many patients as possible is also important.Our research team recently adapted MedSafer, an electronic deprescribing decision support tool developed for healthcare professionals, to allow patients and caregivers to initiate the deprescribing process on the consumer end.However, the adoption of MedSafer by patients and caregivers' hinges on its acceptability and usability by the end-user.
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 | 0,406 | 0,594 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,013 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,013 |
| Communication savante | 0,031 | 0,037 |
| Science ouverte | 0,014 | 0,024 |
| Intégrité de la recherche | 0,025 | 0,032 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».