Prevalence of potentially inappropriate medications among newly treated patients with type 2 diabetes in UK primary care
Notice bibliographique
Résumé
AIMS: The aim of this study was to estimate the prevalence of potentially inappropriate prescriptions (PIPs) in patients starting their first noninsulin antidiabetic treatment (NIAD) using two explicit process measures of the appropriateness of prescribing in UK primary care, stratified by age and polypharmacy status. METHODS: A descriptive cohort study between 2016 and 2019 was conducted to assess PIPs in patients aged ≥45 years at the start of their first NIAD, stratified by age and polypharmacy status. The American Geriatrics Society Beers criteria 2015 was used for older (≥65 years) patients and the Prescribing Optimally in Middle-age People's Treatments criteria was used for middle-aged (45-64 years) patients. Prevalence of overall PIPs and individual PIPs criteria was reported using the IQVIA Medical Research Data incorporating THIN, a Cegedim Database of anonymized electronic health records in the UK. RESULTS: Among 28 604 patients initiating NIADs, 18 494 (64.7%) received polypharmacy. In older and middle-aged patients with polypharmacy, 39.6% and 22.7%, respectively, received ≥1 PIP. At the individual PIP level, long-term proton pump inhibitors (PPI) use was the most frequent PIP among older adults, and strong opioid without laxatives was the most frequent PIP in middle-aged patients with polypharmacy (11.1% and 4.1%, respectively). CONCLUSIONS: This study revealed that patients starting NIAD treatment receiving polypharmacy have the potential for pharmacotherapy optimization.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».