Demographic and Neuropsychiatric Factors Associated With Off-label Medication Use in Frontotemporal Dementia and Alzheimer’s Disease
Notice bibliographique
Résumé
OBJECTIVES: Off-label medication use for treating cognitive impairments and neuropsychiatric symptoms occurs in frontotemporal dementia (FTD) and Alzheimer disease (AD). We compared the use of cognitive and psychiatric medications in FTD and AD and evaluated the relationship between neuropsychiatric symptoms and medication use. METHODS: Cognitive and psychiatric medication use, demographic variables, and Neuropsychiatric Inventory (NPI) subscale symptoms were obtained from the National Alzheimer's Coordinating Center Uniform Data Set (n=3958, 8.1% FTD). Bivariate statistics and logistic regressions were calculated to evaluate which demographic or NPI subscale symptoms predicted medication use. RESULTS: Although cognitive medication was used more commonly in AD (78%), it was also commonly used off-label in FTD (56%). Psychiatric medications were in greater use in FTD than in AD (68% vs. 45%, respectively, P<0.001). In FTD, cognitive medication use was associated with elevated NPI elation scores and psychiatric medication use was associated with history of prior psychiatric disease. In AD, demographic variables (white, longer disease duration, higher education, more severe disease, or being male) were most predictive of cognitive medication use, whereas having psychiatric disease, being white, having longer disease duration, being younger, greater disease severity, and being disinhibited or anxious were associated with psychiatric medication use. Off-label antipsychotics were used by 4.7% of patients with AD and 10% of patients with FTD. CONCLUSIONS: Our results revealed significant off-label medication use in both FTD and AD. A notable finding from this study was the lack of consistent relationships between medication use and neuropsychiatric symptoms across the 2 illnesses.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».