Shaping future deprescribing priorities: outcomes of a World Café stakeholder workshop
Notice bibliographique
Résumé
INTRODUCTION: Medicine-related harm associated with polypharmacy is a pertinent global health challenge. Deprescribing (reducing or stopping) medicines that cause more potential harm than benefit could mitigate the risk of medicine-related harm. However, the existing deprescribing research-to-practice gap threatens the long-term sustainability and scalability of deprescribing efforts. RESEARCH DESIGN AND METHODS: To address this, key stakeholders including healthcare practitioners, academics, policymakers and representatives of peak professional organizations, gathered at a World Café workshop to reflect on progress achieved in the deprescribing research and practice landscape while exploring the top future priorities for deprescribing. RESULTS: Thirty participants agreed on three top priorities: improving the clinical management of deprescribing; engaging consumers and gaining their perspectives; and raising awareness to enhance communication. Emerging themes and related barriers and catalysts were derived and mapped to a socio-ecological model offering a bird-eye's view of these factors on an individual, interpersonal, organizational, and societal level. CONCLUSIONS: Our World Cafe' highlights opportunities for future deprescribing research and practice. To promote the uptake of deprescribing in practice, catalysts could include leveraging new technology, promoting deprescribing via social media and optimizing workforce staff and knowledge. Ultimately, this knowledge may motivate deprescribing efforts and bridge the research-to-practice gap.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».