The impact of COVID-19 public health measures on the utilization of antipsychotics in schizophrenia in Manitoba – A population-based study
Notice bibliographique
Résumé
PURPOSE: During the COVID-19 pandemic, public health measures were implemented, yet it is unknown whether these measures affected medication access in those with schizophrenia (SCZ). This study aimed to assess whether the antipsychotic utilization in SCZ changed during the pandemic. METHODS: We used dispensed prescription drug data from the Canadian province of Manitoba in individuals with SCZ using linked administrative data from the Manitoba Population Research Data Repository. The quarterly incident and prevalent dispensation of antipsychotics at two periods were compared with the expected trend (April 1, 2015 to April 1, 2020 and 2021) using linear autoregression. We stratified the primary results by age and sex and examined multiple subgroups. RESULTS: There were 9045 individuals with SCZ in the first fiscal quarter of 2020. The prevalent use of the most common antipsychotics were: olanzapine (206.7/1000), risperidone (190.8/1000), quetiapine (174.4/1000), and clozapine (100.9/1000). The overall prevalent use of antipsychotics remained stable during the pandemic compared with the expected trend. A significant decrease in the incident use in April-June 2020 (estimate: -1.3, 95%CI:-2.2,-0.3) was noted compared with the expected. A significantly higher incidence of atypical antipsychotics (estimate: 1.4, 95%CI: 0.2,2.5) and risperidone separately (estimate: 1.8, 95%CI: 0.2,3.3) was noted in 2021 compared with expected. CONCLUSION: This study found a decline in the receipt of antipsychotics for people with SCZ during the initial implementation of COVID-19 public health measures, particularly on the overall incidence. Future work on investigating the impact of these trends on SCZ outcomes is needed to inform future pandemic-related policies.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 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 ».