Psychotropic and Cognitive-Enhancing Medication Use and Its Documentation in Contemporary Long-term Care Practice
Notice bibliographique
Résumé
BACKGROUND: In long-term care (LTC) settings, use of psychotropic medications to manage behavioral and psychological symptoms of dementia and use of cognitive enhancers are commonplace. It is important that these medications are properly used to ensure resident well-being, and thus, it is paramount to understand use of these medications in contemporary practice to develop appropriate quality improvement initiatives. OBJECTIVE: To characterize psychotropic and cognition-enhancing medication use LTC residents and current trends in documentation. METHODS: Cross-sectional chart review of residents aged >65 years with dementia receiving psychotropic medications and/or cognitive enhancers. RESULTS: From 180 residents, 84 (82% female) met inclusion criteria (average age 86 years). The prevalence of psychotropic medication use was as follows: cognitive enhancers, 71%; antidepressants, 98%; antipsychotics, 61%; sedative hypnotics, 23%. Quetiapine was the most commonly used antipsychotic (48%), followed by risperidone (28%) and olanzapine (15%), all of which were dosed within accepted guidelines. The duration of therapy ranged from 2 to 5 years for antipsychotic medications and 1¼ to 3 years for antidepressants. Documentation documentation rates were hightest for psychotropics versus cognitive enhancers. There was no documentation of attempts to lower doses or discontinue psychotropic medications or cognitive enhancers. CONCLUSIONS: Many, but not all psychotropics used were acceptable choices. The duration of therapy appears to be excessive for antipsychotic medications. Documentation of ongoing need for medications varied and could be improved on to better assess residents' medication regimens. Further research will inform efforts to enhance the care of these residents.
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 | 0,002 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».