Health care system costs related to potentially inappropriate medication use involving opioids in older adults in Canada
Notice bibliographique
Résumé
BACKGROUND: Older adults are at risk of potentially inappropriate medication use given polypharmacy, multimorbidity, and age-related changes, which contribute to the growing burden associated with opioid use. The objective of this study was to estimate the costs of health service utilization attributable to opioid use and potentially inappropriate medication use involving opioids in older adults in a public health care system. METHODS: The sample included 1201 older adults consulting in primary care, covered by the public drug plan, without a cancer diagnosis and opioid use in the year before interview. Secondary analyses were conducted using two data sources: health survey and provincial administrative data. Health system costs included inpatient and outpatient visits, physician billing, and medication costs. Unit costs were calculated using annual financial and activity reports from 2013-2014, adjusted to 2022 Canadian dollars. Opioid use and potentially inappropriate medication use involving opioids were identified over 3 years. Generalized linear models with gamma distribution were employed to model 3-year costs associated with opioid use and potentially inappropriate medication use involving opioids. A phase-based approach was implemented to provide descriptive results on the costs associated with each phase: i) no use, ii) opioid use, and iii) potentially inappropriate medication use involving opioids. RESULTS: Opioid use and potentially inappropriate medication use involving opioids were associated with adjusted 3-year costs of $2,222 (95% CI: $1,179-$3,264) and $8,987 (95% CI: $7,370-$10,605), respectively, compared to no use. In phase-based analyses, costs were the highest during inappropriate use. CONCLUSIONS: Potentially inappropriate medication use involving opioids is associated with higher costs compared to those observed with opioid use and no use. There is a need for more effective use of health care resources to reduce costs for the health care system.
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 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,002 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 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) | 0,002 | 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 ».