MétaCan
Menu
← Retour à la cohorte
Enregistrement W1902772233

Variation in benzodiazepine and antipsychotic use in people aged 65 years and over in New Zealand.

2014· article· en· W1902772233 sur OpenAlexaboutno aff
Gary Jackson, Catherine Gérard, Nikolai Minko, Nirasha Parsotam

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAntipsychoticDementiaPsychological interventionBenzodiazepineQuarter (Canadian coin)Medical prescriptionPsychiatryHealth careGerontologyDemographySchizophrenia (object-oriented programming)DiseaseInternal medicineNursing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

AIMS: To examine the variation in the dispensing of antipsychotic and benzodiazepine medicines in the elderly (aged 65+) across New Zealand. METHODS: Data drawn from the New Zealand Pharmaceutical Collection for the New Zealand Atlas of Healthcare Variation was used to establish a regression model to examine dispensing rates by age, gender, district health board (DHB) of domicile and aged residential care usage rates over a 4 year period 2008/09 to 2011/12. RESULTS: On average 24 per 1000 people aged 65+ in New Zealand were dispensed an antipsychotic in any given quarter. Benzodiazepine dispensing rates were even higher, at 109 per 1000 aged 65+. Both rates climbed steeply with age, were higher in females, and had a 1.6 to 1.8 fold variation across DHBs. Rates did not vary significantly with rest home and private hospital residential care usage, but antipsychotic rates appeared related to the use of psychogeriatric and dementia beds. CONCLUSION: Given the evident harms associated with the use of antipsychotic and benzodiazepine medicines in the elderly, and the relatively poor efficacy of antipsychotics in dementia care, prescribing of these medicines should be reassessed. DHBs should examine the causes of the high rates in their area and design interventions to reduce the rates.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,516
Score d'incertitude au seuil0,973

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMed→Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→