Variation and appropriateness of antipsychotic use in long-term care facilities across Newfoundland and Labrador
Notice bibliographique
Résumé
OBJECTIVE: The use of antipsychotics to treat seniors in long-term care facilities (LTCFs) has raised concern because of health consequences (i.e., increased risk of falls, stroke, death) in this vulnerable population. This study measured geographic patterns of antipsychotic utilization among seniors living in LTCFs in Newfoundland and Labrador (NL) and assessed potential inappropriateness. METHOD: We analyzed prescription records among adults 66 years and older with provincial prescription drug coverage admitted to LTCFs in NL between April 1, 2011, and March 31, 2014. Patterns of use were analyzed across the 4 regional health authorities (RHAs) in NL and LTCFs. Logistic, Poisson and linear regression models were used to test variations in prevalence, rate and volume of antipsychotic utilization. To assess potential inappropriateness of antipsychotic use, we analyzed data from Resident Assessment Instrument-Minimum Data Set (RAI-MDS) 2.0 forms from NL LTCFs between January 1, 2016, and December 31, 2018. Pearson chi-squared analysis was performed at the RHA and LTCF levels to determine changes in percentage of total prescriptions or antipsychotic prescriptions without psychosis. RESULTS: Between 2011 and 2014, 2843 seniors were admitted to LTCFs across NL; of these, 1323 residents were prescribed 1 or more antipsychotics. Within the 3-year period, the percentage of antipsychotic use across facilities ranged from 35% to 78%. Using data from 27,260 RAI-MDS 2.0 assessments between 2016 and 2018, 71% (6995/9851) of antipsychotic prescriptions were potentially inappropriate. DISCUSSION: There is substantial variation across NL regions concerning the utilization of antipsychotics for senior in LTCFs. Facility size and management styles may be reasons for this. CONCLUSION: 2021;154:xx-xx.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».