Prescription of pharmacotherapy for depression in elderly people varies with age, race, gender, and length of care
Notice bibliographique
Résumé
Strothers HS, Rust G, Minor P, et al . Disparities in antidepressant treatment in Medicaid elderly diagnosed with depression. J Am Geriatr Soc 2005;53:456–61.[OpenUrl][1][CrossRef][2][PubMed][3][Web of Science][4] Q What is the prevalence of drug treatment for depression in different populations of elderly people insured by Medicaid? ### ![Graphic][5]</img>Design: Cross sectional study. ### ![Graphic][6]</img>Setting: Medicaid claims data from five US states in 1998. ### ![Graphic][7]</img>Population: 7339 people aged 65–84 years with an outpatient Medicaid claim for depression (international classification of diseases diagnosis). Exclusions: bipolar illness or dysthymia. ### ![Graphic][8]</img>Assessment: Information about Medicaid recipients, including demographics, final action, paid claims, and days in long term care, was obtained from insurance claims data. National drug codes were used to identify prescriptions for antidepressants. Rates of drug treatment were calculated with 95% confidence intervals. Logistic regression was used to assess the effect of multiple factors on drug treatment. ### ![Graphic][9]</img>Outcomes: Prevalence of antidepressant prescriptions. In elderly people with depression, 24% received no antidepressant treatment, 26.3% received old antidepressants alone or … [1]: {openurl}?query=rft.jtitle%253DJournal%2Bof%2Bthe%2BAmerican%2BGeriatrics%2BSociety%26rft.stitle%253DJ%2BAm%2BGeriatr%2BSoc%26rft.aulast%253DStrothers%26rft.auinit1%253DH.%2BS.%26rft.volume%253D53%26rft.issue%253D3%26rft.spage%253D456%26rft.epage%253D461%26rft.atitle%253DDisparities%2Bin%2Bantidepressant%2Btreatment%2Bin%2BMedicaid%2Belderly%2Bdiagnosed%2Bwith%2Bdepression.%26rft_id%253Dinfo%253Adoi%252F10.1111%252Fj.1532-5415.2005.53164.x%26rft_id%253Dinfo%253Apmid%252F15743289%26rft.genre%253Darticle%26rft_val_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Ajournal%26ctx_ver%253DZ39.88-2004%26url_ver%253DZ39.88-2004%26url_ctx_fmt%253Dinfo%253Aofi%252Ffmt%253Akev%253Amtx%253Actx [2]: /lookup/external-ref?access_num=10.1111/j.1532-5415.2005.53164.x&link_type=DOI [3]: /lookup/external-ref?access_num=15743289&link_type=MED&atom=%2Febmental%2F8%2F4%2F117.atom [4]: /lookup/external-ref?access_num=000227189800014&link_type=ISI [5]: /embed/inline-graphic-1.gif [6]: /embed/inline-graphic-2.gif [7]: /embed/inline-graphic-3.gif [8]: /embed/inline-graphic-4.gif [9]: /embed/inline-graphic-5.gif
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».