Variation in Long-Term Antipsychotic Polypharmacy and High-Dose Prescribing Across Physicians and Hospitals
Notice bibliographique
Résumé
OBJECTIVES: This study had two aims: to measure the prevalence of long-term prescribing of high doses of antipsychotics and antipsychotic polypharmacy in a large Canadian province and to estimate the relative contributions of patient-, physician-, and hospital-level factors. METHODS: Government hospital discharge, physician, and pharmaceutical claims data were linked to identify individuals with schizophrenia who in 2004 had antipsychotics available to them for at least 11 months. Individuals on a high dose throughout that period, as well as individuals on multiple concurrent antipsychotics (polypharmacy), were identified. Logistic and generalized linear mixed models using patient-, physician-, and hospital-level predictors were estimated. RESULTS: Among the 12,150 individuals identified, 11.9% were on a high dose and 10.4% on antipsychotic polypharmacy continually, with 3.7% in both groups. After adjustment for potential confounders, analyses showed that systematic propensity for physicians to prescribe high doses accounted for 10.9% of the remaining unexplained variance, and physicians as a group who prescribed high doses across a hospital or psychiatry department accounted for 3.0%. For antipsychotic polypharmacy the corresponding percentages were 9.7% and 6.2%. Even after adjustment, the variation in high-dose prescribing and antipsychotic polypharmacy remained substantial. CONCLUSIONS: Long-term high-dose and antipsychotic polypharmacy prescribing appeared partly driven by some physicians' and some hospitals' propensities to prescribe in this way independently of patient characteristics. Given the weight of the evidence against high-dose prescribing and antipsychotic polypharmacy, measures addressed to physicians and hospitals most likely to prescribe high doses, antipsychotic polypharmacy, or both should be considered.
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 | 0,000 |
| 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) | 0,000 | 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 ».