MétaCan
Menu
Retour à la cohorte
Enregistrement W2198045747 · doi:10.1111/1475-6773.12560

Does Increased Medication Use among Seniors Increase Risk of Hospitalization and Emergency Department Visits?

2016· article· en· W2198045747 sur OpenAlexafffundabout
Sara Allin, David Rudoler, Audrey Laporte

Notice bibliographique

RevueHealth Services Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensCentre for Addiction and Mental HealthUniversity of Toronto
Organismes subventionnairesOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicineEmergency departmentEndogeneityPrescription drugMedical prescriptionEmergency medicinePopulationEnvironmental healthPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the extent of the health risks of consuming multiple medications among the older population. DATA SOURCES/STUDY SETTING: Secondary data from the period 2004-2006. The study setting was the province of Ontario, Canada, and the sample consisted of individuals aged 65 years or older who responded to a national health survey. STUDY DESIGN: We estimated a system of equations for inpatient and emergency department (ED) services to test the marginal effect of medication use on hospital services. We controlled for endogeneity in medication use with a two-stage residual inclusion approach appropriate for nonlinear models. PRINCIPAL FINDINGS: Increased prescription drug use has the effect of increasing the likelihood of both being admitted into hospital and visiting a hospital ED. Each additional medication is associated with a 2-3 percent increase in the likelihood of hospitalization and a 3-4 percent increase in the likelihood of an ED visit, after controlling for past utilization, health status, the endogeneity of medication use, and the unobserved factors that may affect the use of both services. CONCLUSIONS: Multiple medications appear to increase the risk of hospitalization among seniors covered by a universal prescription drug plan. These results raise questions about the appropriateness of medication use and the need for increased oversight of current prescribing practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,388
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Services ResearchMême sujetMedication Adherence and ComplianceTravaux en français237 207