ADHD Treatment in Primary Care: Demographic Factors, Medication Trends, and Treatment Predictors
Notice bibliographique
Résumé
BACKGROUND: The aim of this study is to determine the prevalence and characteristics of youth with attention-deficit hyperactivity disorder (ADHD) in Ontario, Canada, and to determine the predictors of psychotropic medication prescriptions in youth with ADHD. METHOD: This is a cross-sectional retrospective chart abstraction of more than 250 000 medical records from youth aged 1 to 24 years in a large geographical region in Ontario, Canada, linked to population-based health administrative data. A total of 10 000 charts were randomly selected and manually reviewed using predetermined criteria for ADHD and comorbidities. Prevalence, comorbidities, demographic indicators, and health service utilization characteristics were calculated. Predictors of treatment characteristics were determined using logistic regression modelling. RESULTS: The prevalence of ADHD was 5.4% (7.9% males, 2.7% females). Youth with ADHD had significant psychiatric comorbidities. The majority (70.0%) of ADHD patients received prescriptions for stimulant or nonstimulant ADHD medication. Antipsychotic prescriptions were provided to 11.9% of ADHD patients versus 0.9% of patients without ADHD. Antidepressant prescriptions were provided to 19.8% versus 5.4% of patients with and without ADHD, respectively. Predictors of antidepressant prescriptions were increasing age (odds ratio [OR], 1.14; 95% confidence interval [CI], 1.07 to 1.21), psychiatric consultation (OR, 2.04; 95% CI, 1.16 to 3.58), and diagnoses of both anxiety and depression (OR, 18.4; 95% CI, 8.03 to 42.1), whereas the only predictor of antipsychotic prescriptions was psychiatric consultation (OR, 3.85; 95% CI, 2.11 to 7.02). CONCLUSIONS: Youth with ADHD have more psychiatric comorbidities than youth without ADHD. The majority of youth with ADHD received stimulant medications, and a significant number received additional psychotropic medications, with psychiatric consultation predicting medication use.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».