Sex-specific medication trajectories in older adults newly diagnosed with diabetes
Notice bibliographique
Résumé
Background: People with diabetes tend to use many medications to treat diabetes and comorbidities. Nevertheless, the evolution of polypharmacy in newly diagnosed males and females has been little studied. Objective: The objective of this paper was to identify and describe medication trajectories in incident diabetes cases according to sex. Methods: Data were obtained from the Quebec Integrated Chronic Disease Surveillance System. We built a population-based cohort of community-dwelling individuals aged >65 years diagnosed with diabetes in 2014 who were alive and covered with the public drug plan until March 31, 2019. Latent class models were used to identify medication trajectory groups in males and females separately. Results: Of the 10,363 included individuals, 51.4% were males. Females were older and more likely to have more medication claims than males. Four trajectory groups were identified for males and five for females. Most trajectories showed sustained and stable number of medications over time. For each sex, only one of the trajectory groups included a mean annual number of medications lesser than five. Slight increasing trends of medication use were detected in the trajectories composed of very high users, which included older, more comorbid individuals frequently exposed to potentially inappropriate medications. Conclusions: Most males and females with incident diabetes had a high burden of medication following the year of diagnosis and were classified in a group of sustained medication use over time. The largest increase in medication was among those who had higher level of polypharmacy of questionable quality at baseline, raising concerns about the innocuity of such medication trajectories.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».