Long-acting injectable antipsychotic (LAI) prescribing trends during COVID-19 restrictions in Canada: a retrospective observational study
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has had significant impacts on how mental health services are delivered to patients throughout Canada. The reduction of in-person healthcare services have created unique challenges for individuals with psychotic disorders that require regular clinic visits to administer and monitor long-acting injectable antipsychotic medications. METHODS: To better understand how LAI usage was impacted, national and provincial patient-level longitudinal prescribing data from Canadian retail pharmacies were used to examine LAI prescribing practices during the pandemic. Prescribing data on new starts of medication, discontinuations of medications, switches between medications, antipsychotic name, concomitant medications, payer plan, gender and age were collected from January 2019 to December 2020 for individuals ≥18-years of age, and examined by month, as well as by distinct pandemic related epochs characterized by varying degrees of public awareness, incidence of COVID-19 infections and public health restrictions. RESULTS: National, and provincial level data revealed that rates of LAI prescribing including new starts, discontinuations and switches between LAI products remained highly stable (i.e., no statistically significant differences) throughout the study period. CONCLUSIONS: Equal numbers of LAI new starts and discontinuations prior to and during the pandemic suggests prescribing of LAI antipsychotics, for those already in care, continued unchanged throughout the pandemic. The observed consistency of LAI prescribing contrasts with other areas of healthcare, such as cardiovascular and diabetes care, which experienced decreases in medication prescribing during the COVID-19 pandemic.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».