Prescribing and deprescribing trends in schizophrenia: An overview of inpatients in Belgium and in the Canadian province of Québec
Notice bibliographique
Résumé
Although switching to antipsychotic monotherapy improves patient outcomes in schizophrenia, antipsychotic deprescribing is rarely performed, and its use varies between countries, as do psychotropic prescribing patterns. This study aimed to determine factors associated with antipsychotic deprescribing at discharge after a psychiatric hospitalization and to compare psychotropic prescribing patterns between Belgium and Québec, Canada. Data on adult inpatients with schizophrenia were collected retrospectively in seven hospitals. At discharge, the number of antipsychotics had decreased in 22.2% of the 63 Canadian patients and 9.9% of the 516 Belgian patients. A number of factors increased the likelihood of antipsychotic deprescribing: a hospitalization in the Canadian hospital (aOR = 4.13, 95% CI 1.48-11.5), living in a residential facility (aOR = 2.51, 95% CI 1.05-4.39), ≥2 previous antipsychotic trials (aOR = 15.38, 95% CI 3.62-65.36), having an antipsychotic side effect (aOR = 1.86, 95% CI 1.01-3.44) and being in a general hospital (aOR = 2.28, 95% CI 1.09-4.75). Patients on a long-acting injectable antipsychotic (aOR = 0.51, 95% CI 0.26-0.98), with prior clozapine use (aOR = 0.36, 95% CI 0.13-0.95), greater antipsychotic exposure (aOR = 0.35, 95% CI 0.2-0.61) and more hypno-sedatives (aOR = 0.65, 95% CI 0.43-0.98), were less likely to be deprescribed. Specific deprescribing interventions could target patients who are less likely to be deprescribed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».