Prevalence of Potentially Inappropriate Medications in Older Adults with Cognitive Impairment or Dementia Attending Memory Clinics: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Background: Older adults with dementia who are on polypharmacy are more vulnerable to the use of potentially inappropriate medications (PIM), which can significantly increase the risk of adverse events and drug-related problems (DRPs). Objective: This systematic review and meta-analysis were conducted to map the prevalence of PIM use, polypharmacy, and hyper-polypharmacy among older adults with cognitive impairment or dementia attending memory clinics. Methods: Ovid MEDLINE, Ovid EMBASE, Scopus, Cochrane Library, EBSCOhost CINAHL, and Ovid International Pharmaceutical Abstracts (IPA) were systematically searched from inception to April 22, 2024. Observational studies assessing the PIMs use among older adults with CI or dementia were screened. A random- effects meta-analysis was conducted to pool the prevalence estimates. Results: Of 5,787 identified citations, 11 studies including 4,571 participants from 8 countries were included. Among all the included studies the pooled prevalence of PIM use was 38% (95% confidence interval (CIn): 27- 50%), highlighting a notable range from 20% to 78%. The analysis identified anticholinergics, benzodiazepines, and non-benzodiazepine sedatives as the most common PIMs. Subgroup analysis revealed a higher pooled prevalence of PIM in the USA (39%; 95% CIn: 10- 78, I2 (%) = 98, 3 studies) and Australia (36%, 95% CIn: 12- 70, I2 (%) = 96, 2 Studies). Additionally, pooled prevalence of polypharmacy and hyper-polypharmacy was reported as (60%; 95% CIn: 46- 73, I2 (%) = 95, 3 studies), and (The prevalence of hyper-polypharmacy was 17.6%; 1 study) respectively. Conclusions: The definition of PIMs significantly impacts study results, often more than geographical variations. The variability in criteria and tools like the Beers or Screening Tool of Older Persons' Prescriptions (STOPP) criteria across studies and regions leads to differing prevalence rates.
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 | 0,014 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,043 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».