Use of Antidepressants Among Elderly Subjects: Trends and Contributing Factors
Notice bibliographique
Résumé
OBJECTIVE: The authors assessed changes over time in antidepressant utilization among elderly subjects regarding the prevalence of antidepressant users, shifts in prescription patterns, and related financial implications. METHOD: The authors conducted a population-based study of more than 1.4 million Ontario residents aged 65 years or older. Cross-sectional data regarding annual antidepressant utilization were obtained from administrative databases for 1993 to 1997. Time series analysis was used to assess trends over time and to make future projections. RESULTS: The proportion of antidepressant users increased from 9.3% of the elderly population in 1993 to 11.5% in 1997. Prescriptions for selective serotonin reuptake inhibitors (SSRIs) accounted for 9.6% of antidepressant prescriptions dispensed in the first 30 days of 1993 and 45.1% of those dispensed by the last 30 days of 1997 and were projected to increase to approximately 56% by the end of 2000. Prescriptions for tricyclic antidepressants fell from 79.0% in the first 30 days of 1993 to 43.1% by the last 30 days of 1997 and were projected to decline to approximately 28% by the end of 2000. Annual antidepressant costs (in Canadian dollars) increased by 150%, from $10.8 million in 1993 to $27.0 million in 1997. Population shifts and an increase in the prevalence of antidepressant users accounted for at least 20% of this increase, whereas the prescribing transition from tricyclic antidepressants to SSRIs accounted for at least 61% of the increase. CONCLUSIONS: The introduction of SSRIs has had a substantial financial impact at the drug utilization level. Future research should address the appropriate balancing of the cost of newer agents versus their ostensible advantages.
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) | 0,000 | 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) | 0,001 | 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 ».