Factors Associated With Pharmacologic Treatment of Osteoporosis in an Older Home Care Population
Notice bibliographique
Résumé
BACKGROUND: A number of studies have shown low rates of osteoporosis treatment. Few, if any, have assessed a comprehensive range of functional and clinical correlates of treatment coverage. Our objective was to examine which sociodemographic, clinical, and functional characteristics are associated with pharmacotherapy for osteoporosis among community-based seniors. METHODS: The study sample included 48,689 home care clients aged >/= 65 years in Ontario, Canada. Treatment coverage (calcium and vitamin D and/or anti-osteoporotic drugs) was assessed in two subgroups, clients with a diagnosis of osteoporosis (without fracture) and those with a prevalent fracture. Sociodemographic, health, and functional measures available from the Resident Assessment Instrument for Home Care (RAI-HC) were assessed as correlates of treatment in multivariable logistic regression analyses. RESULTS: Approximately 59% of clients with a diagnosis of osteoporosis were receiving pharmacotherapy, compared with 27% of those with a prevalent fracture. For both subgroups, treatment coverage was significantly lower among clients with at least three chronic conditions, health instability, fewer than nine medications, functional impairment, and depressive symptoms and among those clients who were widowed. Among clients with a diagnosis of osteoporosis, treatment was positively associated with cognitive impairment and negatively associated with confinement to a wheelchair or bed. Men with a prevalent fracture were significantly less likely to receive treatment, particularly in the absence of an osteoporosis diagnosis. CONCLUSIONS: Many older adults with presumed osteoporosis in our study were not receiving drug therapy for this condition. Indicators of clinical instability and functional decline appear to represent influential factors in treatment decisions. Despite a lower likelihood of treatment among men with a prevalent fracture, this sex difference in treatment largely disappeared in the presence of an osteoporosis diagnosis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».