Trends in medication use by body mass index and age between 1988 and 2012 in the United States
Notice bibliographique
Résumé
OBJECTIVE: Whether the increase in prescription medication use over time differs by age and obesity status is unclear. METHOD: National Health and Nutrition Examination Survey (NHANES) between 1988 and 2012 was analyzed (n = 57,543). FINDINGS: Increased medication use over time was seen in older individuals of all body mass index (BMI) classes, with the most prominent increase in those with obesity (p<0.001). For example, older men (≥65y) with obesity took 3.1 more medications between 1988 and 2012 versus 1.5 for normal weight older men. There were minimal differences in medication use over time in younger individuals. In men, the odds of taking antihypertensives, lipid-lowering medication, antidiabetics, and antidepressants increased with age, time and BMI wherein the association between age and medication use was magnified over time (age*time, p<0.05). In women, older women with overweight or obesity had a greater increase in the likelihood of antihypertensives and antidiabetics medication over time (BMI*time, p>0.05). CONCLUSION: Older individuals of all BMI classes may be driving the increase in medication use over time. However, the rise in the likelihood of taking cardiometabolic medications over time was generally not different between those with or without obesity in men with some increases seen in older women. Further research may be required to assess accessibility and barriers to medication use among certain demographics.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».