Characterizing PRN Use of Psychotropic Medications for Acute Agitation in Canadian Long-Term Care Residents with Dementia Before and During COVID-19
Notice bibliographique
Résumé
Background: Agitation is a disabling neuropsychiatric symptom of dementia. Pro re nata (PRN) injections of psychotropics can be administered for severe acute agitation, but little is known about the frequency of their actual use. Objective: Characterize actual use of injectable PRN psychotropics for severe acute agitation in Canadian long-term care (LTC) residents with dementia and compare use before and during the COVID-19 pandemic. Methods: Residents from two Canadian LTC facilities with orders for PRN haloperidol, olanzapine, or lorazepam between January 1, 2018– May 1, 2019 (i.e., pre-COVID-19) and January 1, 2020– May 1, 2021 (i.e., COVID-19) were identified. Electronic medical records were reviewed to document PRN injections of psychotropic medications and collect data on reason and demographic characteristics. Descriptive statistics were used to characterize frequency, dose, and indications of use, and multivariate regression models were used to compare use between time periods. Results: Of the 250 residents, 45 of 103 (44%) people in the pre-COVID-19 period and 85 of 147 (58%) people in the COVID-19 period with standing orders for PRN psychotropics received ≥1 injections. Haloperidol was the most frequently used agent in both time periods (74% (155/209 injections) pre-COVID-19; 81% (323/398 injections) during COVID-19). Residents in the COVID-19 period were almost two times more likely to receive injections compared with those in the pre-COVID-19 period (odds ratio = 1.96; 95% CI = 1.15–3.34; p = 0.01). Conclusion: Our results suggest that use of PRN injections increased in LTC during the pandemic and contribute to the mounting evidence that agitation worsened during that time.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 ».