Estimating the Use of Potentially Inappropriate Medications Among Older Adults in the United States
Notice bibliographique
Résumé
OBJECTIVES: Inappropriate prescribing of medications is common in health care, and is an important safety concern, especially for older adults, who have a high burden of comorbidity and are at greater risk for medication-related adverse events. This study aims to estimate the extent and cost of potentially inappropriate prescribing of medications to older adults in the United States. DESIGN: A cross-sectional study. SETTING: Medicare Part D Prescription Drug Program data set (2014-2018). PARTICIPANTS: Older adults who were enrolled in Medicare Part D Prescription Drug Program between 2014 and 2018. MEASUREMENTS: Potentially inappropriate medications were identified using the 2019 American Geriatrics Society Beers Criteria®. RESULTS: In 2018, 7.3 billion doses of potentially inappropriate medications were dispensed. The most common medications by number of doses dispensed were proton pump inhibitors, benzodiazepines, and tricyclic antidepressants, and the top five unique medications by reported spending were dexlansoprazole, esomeprazole, omeprazole, dronedarone, and conjugated estrogens. From 2014 to 2018, 43 billion doses of potentially inappropriate medications were dispensed, with a reported spending of $25.2 billion. CONCLUSION: Potentially inappropriate medication use among older adults is both common and costly. Careful attention to potentially inappropriate medication use and deprescribing when clinically appropriate could reduce costs and potentially improve outcomes among older adults.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».