<p>Prevalence and Determinants of Long-Term Utilization of Antidepressant Drugs: A Retrospective Cohort Study</p>
Notice bibliographique
Résumé
PURPOSE: Antidepressant consumption has risen in recent years, driven by longer treatment duration. The objective of this study was to measure the prevalence of antidepressant long-term and chronic use in the Bologna area, Italy, and to identify their main determinants. MATERIALS AND METHODS: We conducted a retrospective claims-based cohort study by using the Bologna Local Health Authority data. A cohort of 18,307 incident users of antidepressant drugs in 2013 was selected, and subjects were followed for three years. A long-term utilization was defined as having at least one prescription claimed during each year of follow-up, while chronic utilization was defined as claiming at least 180 defined daily doses per year. Factors associated with chronic and long-term use were identified by univariate and multivariate logistic regressions. RESULTS: In our cohort, 5448 (29.8%) and 1817 (9.9%) subjects were dispensed antidepressants for a long-term course and in a chronically way, respectively. Older age, antidepressant polytherapy, polypharmacy, and being prescribed the first antidepressant by a hospital physician were all factors independently associated with chronic and long-term prescriptions of antidepressant drugs. Results were reported separately for men and women. CONCLUSION: Antidepressant long-term and chronic prescriptions are common in the Bologna area. Because longer treatment should be clinically motivated, these results strongly prompt the need to evaluate the actual relevance, as they may indicate potentially inappropriate prescription patterns.
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) | 0,001 | 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 ».