Adverse Drug Reactions in Elderly Hospitalized Patients: A 12-Year Population-Based Retrospective Cohort Study
Notice bibliographique
Résumé
BACKGROUND: Although research has identified some risk factors for first-time adverse drug reactions (ADRs), little is known about the risks associated with the number of ADRs. Modeling ADR counts is relatively complex because of the rarity of the events, requiring careful consideration of appropriate models that best present the observed data. OBJECTIVE: To determine the incidence of ADRs among elderly hospitalized patients, assess patient-related risk factors for the number of ADRs, and review drug classes commonly responsible for ADRs. METHODS: This retrospective cohort study used a population-based large administrative database on hospital separations from all acute care hospitals in the Canadian province of Newfoundland and Labrador. Patients aged 65 years or older with at least 1 hospital admission from April 1, 1995, to March 31, 2007, were included. Comorbidities, Charlson Comorbidity Index (CCI), and sociodemographic factors were assessed as predictors of ADR counts. A zero-inflated negative binomial regression model was used for analysis. RESULTS: The study cohort contained 64,446 patients. The incidence of ADRs was 15.2 per 1000 person-years (95% CI 14.8 to 15.7). Of those having an ADR, 15.4% had recurrent ADRs. The most common drug category implicated in ADRs was cardiovascular agents (17.7%). A dose-response relationship was found between CCI and ADR counts (rate ratio [RR] 1.67, 95% CI 1.41 to 1.98 for CCI 2-3; RR 2.38, 95% CI 1.98 to 2.87 for CCI 4-5; and RR 3.83, 95% CI 3.21-4.57 for CCI ≥6). Comorbid conditions including congestive heart failure (RR 1.58, 95% CI 1.33 to 1.89), diabetes (RR 2.42, 95% CI 1.64 to 3.56), and cancer (RR 3.12, 95% CI 2.58 to 3.76) were strong predictors. Rural areas (RR 1.22, 95% CI 1.01 to 1.46) were associated with increased risk for ADRs, whereas age and sex had no effect. CONCLUSIONS: Comorbidity from chronic diseases and severity of illness, rather than individual characteristics (advancing age and sex), increased the likelihood of ADRs. Changes in the delivery of care focusing on the monitoring of prescribed drugs in elderly patients with comorbidities could mitigate ADRs.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».