Off-label use of antipsychotics and associated factors in community living older adults
Notice bibliographique
Résumé
BACKGROUND: Given the common off-label use of antipsychotics (AP), we aimed to assess the factors associated with this use in community living older adults. METHODS: The study sample consisted of a large representative sample of older adults (n = 4108), covered under a public drug insurance plan in Canada. Off-label use of antipsychotics was defined by the absence of an approved indication for this use, according to Health Canada's drug product database. Multinomial logistic regression was used to assess the factors associated with off-label use. RESULTS: The prevalence of antipsychotics use was 2.5%, of which 78% was off-label. Compared to non-use, off-label antipsychotics use was negatively associated with advanced age (≥75 vs. 65-74 years old) (OR: 0.46; 95%CI: 0.27-0.78); and positively associated with higher education level (OR: 2.68; 95% CI: 1.64-4.40), higher number of outpatient visits (≥6) (OR: 2.39; 95%CI: 1.34-4.25), antidepressant or benzodiazepine use (OR: 5.81; 95%CI: 3.31-10.21), and the presence of an organic brain syndrome & Alzheimer's (OR: 5.73; 95%CI: 1.74-18.89). Compared to labeled use, off-label use was less likely in those with major depression (OR: 0.02; 95%CI: <0.01-0.11) and with insomnia (OR: 0.13; 95%CI: 0.02-0.91). CONCLUSIONS: The majority of antipsychotics prescribed to community living older adults were off-label. This off-label use was more likely in complex clinical cases with multiple outpatient visits and other psychotropic drugs use. Further research should focus on the long-term effects associated with off-label use of antipsychotics.
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 | 0,001 | 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 | 0,000 | 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 ».