A retrospective, longitudinal study of factors associated with new antipsychotic medication use among recently admitted long-term care residents
Notice bibliographique
Résumé
BACKGROUND: Use of antipsychotic (AP) medications is high and often inappropriate among institutionalized populations. Little is known about the correlates of new AP drug use following admission to long-term care (LTC) settings. This study investigated the frequency and correlates of new AP drug use among newly admitted LTC residents. METHODS: This longitudinal, retrospective study used data from the interRAI - Nursing Home Minimum Data Set version 2.0 (MDS 2.0) instrument. Data about demographic, clinical and social characteristics, and medication use, were collected in Ontario, Canada, from 2003-2011 by trained nurses. Residents with complete admission and 3-6 month follow-up data were included (N = 47,768). Multivariate logistic regression analyses, stratified by gender, explored correlates of new AP drug use upon admission to LTC. RESULTS: New AP drug users comprised 7 % of the final cohort. Severe cognitive impairment, dementia, and motor agitation were significantly associated with new AP drug use among both sexes. Additionally, behavioural problems, conflicts with staff and reduced social engagement were strong correlates of new AP drug use. CONCLUSIONS: Social factors were as strongly associated with new AP drug use after LTC admission as clinical factors. Strategies to prevent the potential misuse of AP drugs upon LTC admission should consider the social determinants of such prescribing.
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 | 0,002 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».