Long-term sedative use among community-dwelling adults: a population-based analysis
Notice bibliographique
Résumé
BACKGROUND: Chronic use of benzodiazepines and benzodiazepine-like sedatives (z-drugs) presents substantial risks to people of all ages. We sought to assess trends in long-term sedative use among community-dwelling adults in British Columbia. METHODS: Using population-based linked administrative databases, we examined longitudinal trends in age-standardized rates of sedative use among different age groups of community-dwelling adults (age ≥ 18 yr), from 2004 to 2013. For each calendar year, we classified adults as nonusers, short-term users, or long-term users of sedatives based on their patterns of sedative dispensation. For calendar year 2013, we applied cross-sectional analysis and estimated logistic regression models to identify health and socioeconomic risk factors associated with long-term sedative use. RESULTS: More than half (53.4%) of long-term users of sedatives in British Columbia are between ages 18 and 64 years (young and middle-aged adults). From 2004 to 2013, long-term sedative use remained stable among adults more than 65 years of age (older adults) and increased slightly among young and middle-aged adults. Although the use of benzodiazepines decreased during the study period, the trend was offset by equal or greater increases in long-term use of z-drugs. Being an older adult, sick, poor and single were associated with increased odds of long-term sedative use. INTERPRETATION: Despite efforts to stem such patterns of medication use, long-term use of sedatives increased in British Columbia between 2004 and 2013. This increase was driven largely by increased use among middle-aged adults. Future deprescribing efforts that target adults of all ages may help curb this trend.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».