Frequency and cost of potentially inappropriate prescribing for older adults: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Many medications pose greater health risks when prescribed for older adults, compared with available pharmacologic and nonpharmacologic alternatives. We sought to quantify the frequency and cost of potentially inappropriate prescribing for older women and men in Canada. METHODS: Using data for 2013 from the National Prescription Drug Utilization Information System database, which contains prescription claims from publicly financed drug plans in all provinces except for Quebec, we identified the frequency of prescribing and cost of potentially inappropriate medications dispensed to provincial drug plan enrollees aged 65 years or more. Potentially inappropriate prescriptions were defined with the use of the American Geriatrics Society's 2012 version of the Beers Criteria for potentially inappropriate medication use in older adults. RESULTS: For the 6 provinces with relatively complete data coverage (British Columbia, Alberta, Saskatchewan, Manitoba, Ontario and Prince Edward Island), 37% of older people filled 1 or more prescription meeting the Beers Criteria. A higher proportion of women (42%) than men (31%) filled potentially inappropriate prescriptions. The highest rates of prescribing of potentially inappropriate medications were among women aged 85 or more (47%). Benzodiazepines and other hypnotics were the leading contributors to the overall frequency of and sex differences in prescribing of potentially inappropriate drugs among older adults. We estimated that $75 per older Canadian, or $419 million in total, was spent on potentially inappropriate medications outside of hospital settings in 2013. INTERPRETATION: Prescribing of potentially inappropriate medications for older adults is common and costly in Canada, especially for women. Multipronged and well-coordinated strategies to reduce the use and cost of potentially inappropriate drugs would likely generate significant health system savings while simultaneously generating major benefits to patient health.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».