Does antidepressant medication use affect persistence with diabetes medicines?
Notice bibliographique
Résumé
PURPOSE: This study aimed to examine the effect of antidepressant use on persistence with newly initiated oral antidiabetic medicines in older people. METHODS: A retrospective study of administrative claims data from the Australian Government Department of Veterans' Affairs, from 1 July 2000 to 30 June 2008 of new users of oral antidiabetic medicines (metformin or sulfonylurea). Antidepressant medicine use was determined in the 6 months preceding the index date of the first dispensing of an oral antidiabetic medicine. The outcome was time to discontinuation of diabetes therapy in those with antidepressant use compared with those without. Competing risks regression analyses were conducted with adjustment for covariates. RESULTS: A total of 29,710 new users of metformin or sulfonylurea were identified, with 7171 (24.2%) dispensed an antidepressant. Median duration of oral antidiabetic medicines was 1.81 years (95% CI 1.72–1.94) for those who received an antidepressant at the time of diabetes medicine initiation, by comparison to 3.23 years (95% CI 3.10–3.40) for those who did not receive an antidepressant. Competing risk analyses showed a 42% increased likelihood of discontinuation of diabetes medications in persons who received an antidepressant (subdistribution hazard ratio 1.42, 95% CI 1.37–1.47, p < 0.001). CONCLUSIONS: The results of this large population-based study demonstrate that depression may be contributing to non-compliance with medicines for diabetes and highlight the need to provide additional services to support appropriate medicine use in those initiating diabetes medicines with co-morbid depression.
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 | 0,000 | 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 ».