P31: Prescribing patterns for older age bipolar disorder patients discharged from two public mental hospitals in Taiwan, 2006-2019
Notice bibliographique
Résumé
Objective:Older age bipolar disorder (OABD) is commonly defined as bipolar disorder in individuals aged 60 or more. General principles of pharmacotherapy in guidelines for treating OABD are greatly like those for younger adults. We aimed to investigate prescription changes among OABD patients discharged from two public mental hospitals in Taiwan from 2006 to 2019.Methods:OABD patients discharged from the two study hospitals, from 1 January 2006 to 31 December 2019 (n = 1072), entered the analysis. Prescribed drugs at discharge, including mood stabilizers (i.e., lithium, valproate, carbamazepine, and lamotrigine), antipsychotics (i.e., second- and first-generation antipsychotics; SGAs & FGAs), and antidepressants, were investigated. Complex polypharmacy was defined as the use of 3 or more agents among the prescribed drugs. Temporal trends of each prescribing pattern were analyzed using the Cochran-Armitage Trend test.Results:The most commonly prescribed drugs were SGAs (72.0%), followed by valproate (48.4%) and antidepressants (21.7%). The prescription rates of SGAs, antidepressants, antidepressants without mood stabilizers, and complex polypharmacy significantly increased over time, whereas the prescription rates of mood stabilizers, lithium, FGAs, and antidepressants plus mood stabilizers significantly decreased.Conclusion:Prescribing patterns changed remarkably for OABD patients over a 14- year period. The decreased use of lithium and increased use of antidepressants did not reflect bipolar treatment guidelines. Future research should examine whether such prescribing patterns are associated with adverse clinical outcomes.
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 | 0,000 | 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 ».