Administrative claims data analysis of nurse practitioner prescribing for older adults
Notice bibliographique
Résumé
AIM: This paper is a report of a study to identify the patterns of prescribing by primary health care nurse practitioners for a cohort of older adults. BACKGROUND: The older adult population is known to receive complex pharmacotherapy. Monitoring prescribing to older adults can inform quality improvement initiatives. In comparison to other countries, research examining nurse practitioner prescribing in Canada is limited. Nurse practitioner prescribing for older adults is relatively unexplored in the international literature. Although commonly used to study physician prescribing, few studies have used claims data from drug insurance programmes to investigate nurse practitioner prescribing. METHOD: Drug claims for prescriptions written by nurse practitioners from fiscal years 2004/05 to 2006/07 for beneficiaries of the Nova Scotia Seniors' Pharmacare programme were analysed. Data were retrieved and analysed in May 2008. Prescribing was described for each drug using the World Health Organization Anatomical Therapeutic Chemical code classification system by usage and costs for each fiscal year. RESULTS: Antimicrobials and non-steroidal anti-inflammatory drugs consistently represented the top ranked groups for prescription volume and cost. Over the three fiscal years, antimicrobial prescription rates declined relative to rates of other groups of medications. Prescription volume per nurse doubled and cost per prescription increased by approximately 20%. CONCLUSION: Prescription claims data can be used to characterize the prescribing trends of nurse practitioners. Research linking patient characteristics, including diagnoses, to prescriptions is needed to assess prescribing quality. Some potential areas of improvement were identified with antimicrobial and non-steroidal antiinflammatory selection.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».