The Relationship Between Variations in Antipsychotic Prescribing Across Nursing Homes and Short-Term Mortality
Notice bibliographique
Résumé
BACKGROUND: High rates of antipsychotic drug prescribing in nursing homes can signal poor quality processes, but also raise concerns about drug safety due to the mortality risk of this therapy. Determining the extent to which variations in antipsychotic use are a symptom of facility-level quality problems as compared with a drug safety issue is important for selecting the correct interventions to effect change. OBJECTIVE: To determine whether nursing homes with higher rates of antipsychotic dispensing had higher rates of short-term mortality among their residents. METHODS: This population-based study examined 60,105 older adults newly admitted to nursing homes in Ontario between April 1, 2000 and March 31, 2004. Using adjusted Cox proportional hazard models, we explored the relationship between facility-level dispensing rates and mortality, controlling for resident characteristics. Facilities were grouped into quintiles according to mean antipsychotic rate. All-cause mortality at 30 and 120 days after admission was stratified by recent hospital discharge and analyzed by quintile. RESULTS: Average antipsychotic dispensing ranged from 11.6% in the lowest quintile to 30.0% in the highest. Among residents with no recent hospitalization, all-cause mortality at 30 days was 2.5% in the lowest compared with 3.3% in the highest quintile (adjusted hazard ratio: 1.28, confidence interval: 1.06-1.56) and at 120 days was 9.3% compared with 11.7% (adjusted hazard ratio: 1.25, confidence interval: 1.13-1.39). CONCLUSION: Residents were at increased risk of death simply by being admitted to a facility with a higher intensity of antipsychotic drug use, despite similar clinical characteristics at admission.
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 | 0,001 |
| 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 | 0,001 | 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 ».