MétaCan
Menu
Retour à la cohorte
Enregistrement W4281295176 · doi:10.1007/s11096-022-01399-3

Medicines prescribing for homeless persons: analysis of prescription data from specialist homelessness general practices

2022· article· en· W4281295176 sur OpenAlexaff
Aleena Khan, Om Kurmi, Richard Lowrie, Saval Khanal, Vibhu Paudyal

Notice bibliographique

RevueInternational Journal of Clinical Pharmacy · 2022
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHomelessness and Social Issues
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionPopulationMental healthPsychiatryPharmacyFamily medicineMental illnessHealth careDemographicsPsychological interventionDemographyNursingEnvironmental health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Specialist homelessness practices remain the main primary care access point for many persons experiencing homelessness. Prescribing practices are poorly understood in this population. OBJECTIVE: This study aims to investigate prescribing of medicines to homeless persons who present to specialist homelessness primary care practices and compares the data with the general population. SETTING: Analyses of publicly available prescribing and demographics data pertaining to primary care in England. METHODS: Prescribing data from 15 specialist homelessness practices in England were extracted for the period 04/2019-03/2020 and compared with data from (a) general populations, (b) the most deprived populations, and (c) the least deprived populations in England. MAIN OUTCOME MEASURE: Prescribing rates, measured as the number of items/1000 population in key disease areas. RESULTS: Data corresponding to 20,572 homeless persons was included. Marked disparity were observed in regards to prescribing rates of drugs for Central Nervous System disorders. For example, prescribing rates were 83-fold (mean (SD) 1296.7(1447.6) vs. 15.7(9.2) p = 0.033) items), and 12-fold (p = 0.018) higher amongst homeless populations for opioid dependence and psychosis disorders respectively compared to the general populations. Differences with populations in the least deprived populations were even higher. Prescribing medicines for other long-term conditions other than mental health and substance misuse was lower in the homeless than in the general population. CONCLUSIONS: Most of the prescribing activities in the homeless population relate to mental health conditions and substance misuse. It is possible that other long-term conditions that overlap with homelessness are under-diagnosed and under-managed. Wide variations in data across practices needs investigation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,436
Tête enseignante GPT0,611
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Clinical PharmacyMême sujetHomelessness and Social IssuesTravaux en français237 207