Polypharmacy and Medication Outcome Reporting Bias in Older Patients with COVID-19
Notice bibliographique
Résumé
Polypharmacy, the use of multiple and potentially inappropriate medications, is an increasing problem among older adults. The global polypharmacy prevalence is 34.6% in patients with COVID-19, and polypharmacy in COVID-19 increases with age. The present paper proposes that polypharmacy in older adults with COVID-19 and other comorbid conditions is linked to the medication outcome reporting bias of randomized controlled trials. Outcome reporting bias can occur when treatment efficacy is reported as relative risk reductions, which overestimates medication benefits and exaggerates disease/illness risk reductions compared to unreported absolute risk reductions. The comorbidities common in patients with COVID-19 include high blood pressure, cardiovascular disease, dementia or cerebrovascular disease, and diabetes. Accordingly, the present paper reassesses the relative and absolute risk reductions in clinical trials from a small convenience sample of antihypertension, statin, anticoagulant, and antihyperglycemic medications. Examples demonstrate a wide gap between reported relative risk reductions and unreported absolute risk reductions in medication clinical trials. This paper concludes that medication clinical trial outcome reporting bias is an important upstream factor that contributes to biased medication benefits and poor clinical decision making, leading to polypharmacy in older adults with COVID-19 and other comorbid conditions. Public health campaigns are urgently needed to educate the public about the link between polypharmacy and medication outcome reporting bias.
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 | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».