Inappropriate prescribing in the elderly
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Drug therapy is necessary to treat acute illness, maintain current health and prevent further decline. However, optimizing drug therapy for older patients is challenging and sometimes, drug therapy can do more harm than good. Drug utilization review tools can highlight instances of potentially inappropriate prescribing to those involved in elderly pharmacotherapy, i.e. doctors, nurses and pharmacists. We aim to provide a review of the literature on potentially inappropriate prescribing in the elderly and also to review the explicit criteria that have been designed to detect potentially inappropriate prescribing in the elderly. METHODS: We performed an electronic search of the PUBMED database for articles published between 1991 and 2006 and a manual search through major journals for articles referenced in those located through PUBMED. Search terms were elderly, inappropriate prescribing, prescriptions, prevalence, Beers criteria, health outcomes and Europe. RESULTS AND DISCUSSION: Prescription of potentially inappropriate medications to older people is highly prevalent in the United States and Europe, ranging from 12% in community-dwelling elderly to 40% in nursing home residents. Inappropriate prescribing is associated with adverse drug events. Limited data exists on health outcomes from use of inappropriate medications. There are no prospective randomized controlled studies that test the tangible clinical benefit to patients of using drug utilization review tools. Existing drug utilization review tools have been designed on the basis of North American and Canadian drug formularies and may not be appropriate for use in European countries because of the differences in national drug formularies and prescribing attitudes. CONCLUSION: Given the high prevalence of inappropriate prescribing despite the widespread use of drug-utilization review tools, prospective randomized controlled trials are necessary to identify useful interventions. Drug utilization review tools should be designed on the basis of a country's national drug formulary and should be evidence based.
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 | 0,006 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| 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 | 0,001 | 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 ».