Deprescribing in special populations at risk of medication overload
Bibliographic record
Abstract
ContexteLes patients médicalement complexes se font souvent prescrire plusieurs médicaments (polypharmacie), dont plusieurs peuvent être potentiellement inappropriés (MPI), risquant des événements indésirables médicamenteux, définis comme un préjudice causé par un médicament. Un patient recevant ≥1 MPI aurait donc une surmédication ; un terme distinct de la polypharmacie, car cette dernière décrit un décompte de médicaments et non une pertinence. La déprescription réduit le fardeau des MPI, mais elle est souvent laborieuse et étudiée chez les personnes âgées ; d’autres populations spéciales à risque de polypharmacie, et donc de surmédication, pourraient aussi en bénéficier, comme les résidents des centres d’hébergement et de soins de longue durée (CHSLD), les patients dialysés et les personnes âgées vivant avec le VIH (PAVVIH).ObjectifsLes objectifs de ma thèse étaient de 1) mesurer la proportion de patients avec une polypharmacie et une surmédication dans trois populations spéciales ; et 2) déterminer l’efficacité d’un soutien à la déprescription électronique chez les i) résidents d’un CHSLD et ii) patients dialysés. Ma thèse comprend 3 études et 4 manuscrits, chacun présenté dans le style de la revue publiée, selon la politique de McGill.MéthodesJ’ai utilisé un outil électronique de soutien à la décision canadien, MedSécure, pour déprescrire chez chaque population spéciale étudiée (CHSLD, dialyse, PAVVIH). L’âge, le sexe et les données médicales (comorbidités, médicaments et données paracliniques sélectionnées) ont été extraits des dossiers médicaux électroniques (DMÉ), saisis dans le portail web de MedSécure, et croisés avec des recommandations de déprescription des critères Beers, Screening Tool of Older People’s Prescriptions (STOPP) et Choisir avec soin. MedSécure a généré des rapports individuels de déprescription incluant la liste de MPI, les instructions de déprescription et des liens informatifs pour les patients. Les cliniciens ont reçu ces rapports dans deux études d’amélioration de la qualité 1) de format avant-après lors des Revues de médicaments trimestrielles (RMT) dans un CHSLD en Ontario, Canada (manuscrit 1), et 2) de format multimodal en dialyse (le manuscrit 2 comprend le protocole, le manuscrit 3, les résultats). La 3e étude (manuscrit 4) comprend les résultats de l’étude de cohorte rétrospective parmi 100 PAVVIH âgés de ≥50 ans et suivis au Service des Maladies Virales Chroniques du Centre universitaire de santé McGill. Les PAVVIH de ≥50 ans étaient incluses car elles sont biologiquement similaires aux adultes séronégatifs de ≥65 ans.RésultatsDans ma 1re étude en CHSLD, tous les résidents (55/55) avaient une polypharmacie (≥5 médicaments prescrits) ; 96,4% (53/55) avaient une surmédication (≥1 MPI). Le nombre de médicaments déprescrits par résident était plus élevé lors de la RMT MedSécure (RD 0,5 ; é.-t. 1,1 ; p=0,02). Dans ma 2e étude en hémodialyse (manuscrit 3), 97,6% (124/127) de l’unité témoin et 98,5% (67/68) de l’unité d’intervention avaient une polypharmacie ; 96% (122/127) des patients de l’unité témoin et 97% (66/68) de l’unité d’intervention avaient une surmédication. La proportion de patients ayant ≥1 MPI déprescrits était plus élevée dans l’unité d’intervention (RD=36,6% ; IC 95%=24,5-48,6 ; p<0,0001 ; NNT=3). Dans ma 3e étude, 89% (89/100) des PAVVIH avaient une polypharmacie, et 58% (58/100) avaient une surmédication. Les suppléments de calcium (19%), les antidiabétiques (y compris l’insuline) avec une hémoglobine A1C<7,5%, et les hypnotiques sédatifs (16%) étaient les MPI les plus courants.ConclusionJ’ai introduit et approfondi la distinction entre la polypharmacie et la surmédication, toutes deux courantes parmi les trois populations spéciales étudiées. Un soutien à la décision électronique comme MedSécure peut augmenter la déprescription dans les CHSLD et les cliniques de dialyse ambulatoires en fournissant un soutien à la déprescription aux cliniciens
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".