Medication transitions and polypharmacy in older adults following acute care
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVE: Medication changes at transitions of care and polypharmacy are growing concerns that adversely impact optimal drug use. We aimed to describe transitions and patterns of medication use before and 1 year after older patients were hospitalized for community-acquired pneumonia, the second-most common reason for admission in North America. MATERIALS AND METHODS: This was an analysis of a population-based clinical registry of patients treated in any of the six hospitals or seven emergency departments in Edmonton, Alberta, Canada, comprising 2,105 patients 65 years and older with community-acquired pneumonia who had survived at least 1 year. The prevalence of polypharmacy (five or more unique prescription drugs), as well as new use and persistence of common drug classes were assessed. RESULTS: The mean age was 78 years (standard deviation 8 years), 50% were female, 62% were hospitalized, and 58% had severe pneumonia. Among the 2,105 patients, 949 (45%) were using five or more medications prior to hospitalization, increasing to 1,559 (74%) within 90 days postdischarge and remaining over 70% at 1 year. Overall, 1,690 (80%) patients newly started and 1,553 (74%) patients stopped at least one medication in the first 90 days of follow-up. The prevalence of the most common drug classes (ie, cardiovascular, alimentary/metabolism) remained stable, with the exception of anti-infective agents, whereby 25% of patients were dispensed an anti-infective agent 3 months to 1 year after hospitalization. CONCLUSION: Most older patients with pneumonia are subject to polypharmacy, and almost every patient had a medication started or stopped during 1-year follow-up, with 25% using antibiotics again. The period following an episode of pneumonia represents an opportunity potentially to optimize pharmacotherapy.
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 | 0,001 | 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) | 0,000 | 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 ».