Polypharmacy in long‐term care residents: Prevalence and relationships with age and dementia
Notice bibliographique
Résumé
Abstract Background Polypharmacy is a significant problem of growing interest in healthcare for older adults with the current increase in drug consumption. Inappropriate polypharmacy is a risk factor for numerous adverse health outcomes and creates a growing financial burden to society. Yet, evaluations of objective measures of polypharmacy and their applications in older adults are not well studied. Here, we investigate the medication use in long‐term care residents and their relationships with age and cognition. Method Medical records including medication consumption of 350 residents in long‐term care facilities (mean age: 81.1 ± 10.9 years; range: 52–104; female: 63.7%) diagnosed with or without dementia (203:147) were reviewed, using PointClickCare and the InterRAI‐MDS2.0. Four scores assessing medication use were generated at two time points (at baseline and at 12 months or at time of discharge). The drug scores included the counts of 1) total medications, 2) prescription drugs, 3) Beers Criteria drugs, and 4) over the counter medications and supplements. Distributions of each the drug scores were examined and their relationships with age and cognition scores (MMSE) were tested using correlation and regression analyses. Group mean scores were compared for dementia status. Result The average number of total drugs, prescription drugs, and beer’s drugs taken were 8.6±4.7 (range: 0‐24), 3.29±5.2 (0‐19), and 1.2±1.2 (0‐6) respectively, and differed by dementia status (p‐value<0.050). Each of the drug scores was related with age (r’s> 0.0685, p‐values<0.050). Conclusion Polypharmacy is prevalent in older adults with long‐term care. Residents with dementia have a distinguished profile with medication consumption. Ongoing research in better understanding polypharmacy profiles in relation to frailty and cognition status can further benefit medication optimization of older adults in residential care.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».