Short term use of antipsychotics increases the risk of serious adverse events in elderly people with dementia
Notice bibliographique
Résumé
QUESTION Question: Do antipsychotics increase the risk of serious adverse events in elderly people with dementia? People: 20 682 people living in the community and 20 559 nursing home residents with a diagnosis of dementia (ICD-9 and ICD-10) and .65 years of age. All eligible individuals resident in Ontario between 1 April 1997 and 31 March 2004 were identified and their prescription data for this period obtained. Three equally sized matched groups within the community and nursing home cohorts were selected using propensity matching: atypical antipsychotic use, conventional antipsychotic use and no antipsychotic but at least one other medication prescribed (control group). Each group in the community cohort consisted of 6894 people and each group in the nursing home residents’ cohort had 6853 members. The matched groups were similar in demographic and clinical characteristics. Exclusions: history of schizophrenia, Huntington’s disease, tics, dialysis, extrapyramidal symptoms, parkinsonism, trauma, hip/ pathological fractures during 5 years prior to index prescription and those who had received palliative care prior to death. All data on participants came from four population based health care databases. Setting: Ontario, Canada; 1 April 1997–31 March 2004. Risk factors: Antipsychotic use (typical or atypical). Outcomes: Any serious adverse event resulting in hospital admission or death within 30 days of the antipsychotic prescription. Serious adverse events were defined as those resulting in death, hospitalisation or prolongation of a hospital stay, or persistent or significant disability or incapacity. ORs were adjusted for covariates such as other drugs used, hospital or doctor visits, and CT brain scans.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».