Effect of a centralized prescription network on inappropriate prescriptions for opioid analgesics and benzodiazepines
Notice bibliographique
Résumé
BACKGROUND: Opioid analgesics and benzodiazepines are often misused in clinical practice. We determined whether implementation of a centralized prescription network offering real-time access to patient-level data on filled prescriptions (PharmaNet) reduced the number of potentially inappropriate prescriptions for opioids and benzodiazepines. METHODS: We conducted a time series analysis using prescription records between Jan. 1, 1993, and Dec. 31, 1997, for residents of the province of British Columbia who were receiving social assistance or were 65 years or older. We calculated monthly percentages of filled prescriptions for an opioid or a benzodiazepine that were deemed inappropriate (those issued by a different physician and dispensed at a different pharmacy within 7 days after a filled prescription of at least 30 tablets of the same drug). RESULTS: Within 6 months after implementation of PharmaNet in July 1995, we observed a relative reduction in inappropriate filled prescriptions for opioids of 32.8% (95% confidence interval [CI] 31.0%-34.7%) among patients receiving social assistance; inappropriate filled prescriptions for benzodiazepines decreased by 48.6% (95% CI 43.2%-53.1%). Similar and statistically significant reductions were observed among residents 65 years or older. INTERPRETATION: The implementation of a centralized prescription network was associated with a dramatic reduction in inappropriate filled prescriptions for opioids and benzodiazepines.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».