Barriers and facilitators associated with antipsychotic deprescribing for individuals with Dementia residing in long-term care as reported by physicians: a mixed methods study
Bibliographic record
Abstract
Contexte : La prescription hors indications d'antipsychotiques (AP) pour la prise en charge des symptômes neuropsychiatriques de démence est répandue en soins de longue durée (SLD), malgré l'existence de lignes directrices cliniques et de données probantes recueillies pendant des décennies, qui mettent en garde contre cette pratique.Objectifs : Cette étude visait à : 1) Cerner et quantifier les obstacles et facteurs facilitants, du point de vue des médecins, associés à la déprescription d'AP chez les résidents atteints de démence d'établissements canadiens de SLD; 2) Acquérir une compréhension approfondie et étoffée de la façon dont ces obstacles et facteurs facilitants ont une incidence en pratique clinique.Méthodes : Nous avons eu recours à un plan séquentiel explicatif à méthodes mixtes en deux phases. D'abord, un sondage quantitatif transversal a permis de cerner les obstacles et facteurs facilitants potentiels associés à la résistance face aux demandes d'instauration d'un traitement par AP et aux demandes de réduction progressive de la dose ou d'arrêt d'un traitement par AP. Des modèles de régression logistique à variables multiples ont été utilisés pour établir les items du sondage qui étaient associés aux issues principales. Les obstacles et facteurs facilitants d'importance ont ensuite été évalués dans le cadre d'interviews semi-dirigées avec les répondants au sondage. Les transcriptions des interviews ont été codées à l'aide d'une analyse thématique.Résultats : Les analyses de variables multiples ont révélé que la difficulté à résister aux demandes d'instauration d'un traitement par AP était associée à la pression exercée par le personnel infirmier (RR = 2,36; IC à 95 % : 1,01 à 5,51), à la réticence de remettre en question la décision d'un collègue de prescrire des AP (RR : 2,45; IC à 95 % : 1,16 à 5,16) et à l'accès insuffisant à des consultants spécialisés en santé mentale (RR : 2,51; IC à 95 % : 1,25 à 5,03); cette difficulté était plus fréquente chez les médecins de genre féminin (RR : 3,67; IC à 95 % : 1,44 à 9,39). Aucune variable n'était significativement associée à la difficulté de déprescrire des AP. L'analyse thématique a souligné qu'il est important de communiquer avec les familles et que les ressources limitées en SLD peuvent renforcer le maintien de la prescription d'AP à cause des inquiétudes concernant la réapparition des symptômes.Conclusions : Les résultats de notre sondage, qui s'ajoutent à la littérature existante concernant la déprescription d'AP en SLD, font valoir le point de vue essentiel des médecins sur les obstacles et facteurs facilitants spécifiques. Les interviews de suivi avec les médecins donnent une compréhension nuancée de l'interaction complexe entre le milieu des SLD, le personnel, les membres de la famille et les personnes atteintes de démence, et des façons dont ces forces peuvent à la fois nuire et aider aux efforts de déprescription des médecins. Les interventions à venir gagneraient à adopter une approche multidimensionnelle tenant compte du contexte particulier à chaque établissement et du point de vue des différents intervenants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".