DESCRIBING THE EVOLUTION OF MEDICATION USE OVER TIME IN PEOPLE LIVING WITH DEMENTIA USING NETWORK ANALYSIS
Notice bibliographique
Résumé
Abstract Prescribing for community-dwelling older adults living with dementia is complex. Multiple medications may be used to manage symptoms associated with dementia and/or co-existing chronic conditions, and can lead to problematic polypharmacy. Our objective was to use network analysis, a data science method, to provide a comprehensive description of co-prescribed medications in persons with dementia and describe whether these patterns change over time. We created a population-based cohort of community-dwelling older adults (aged 67+ years) in Ontario, Canada, newly diagnosed with dementia (between April 2014 and January 2019), from health administrative data, and developed medication networks at one year prior to, at, and for up to five years following dementia diagnosis. Among 136,292 individuals newly diagnosed with dementia, the mean age was 82.2 years and 59% were female. The most common medication subclasses dispensed at diagnosis were primarily cardiovascular medications: statins (45.6%), proton pump inhibitors (27.3%), beta-blockers (27.0%), calcium blockers (25.1%), and ACE inhibitors (24.6%). Similar proportions of medication subclasses were found at five years after diagnosis, except cholinesterase inhibitors (34.0% at five years were dispensed cholinesterase inhibitors compared to 16.9% at diagnosis). The most frequent co-prescribed medication pairs at diagnosis included statins and beta-blockers (16.0%), proton pump inhibitors (16.0%), and ace inhibitors (15.4%), respectively. Co-prescription was similar at five years, but also included higher frequency of co-prescribing with cholinesterase inhibitors (e.g., 19.4% were prescribed cholinesterase inhibitors and statins). Network diagrams demonstrate the complexity of prescribing in this population and highlight concurrent prescribing which may require careful monitoring or deprescribing.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».