The impact of patient-facility language discordance on potentially inappropriate prescribing of antipsychotics in long-term care home in Ontario, Canada: a retrospective population health cohort study
Notice bibliographique
Résumé
BACKGROUND: Appropriate use of medication is a key indicator of the quality of care provided in long-term care (LTC). The objective of this study was to determine whether resident-facility language concordance/discordance is associated with the odds of potentially inappropriate prescribing of antipsychotics (PIP-AP) in LTC. METHODS: We conducted a population-based, retrospective cohort study of LTC residents in Ontario, Canada from 2010 to 2019. We obtained resident language from standardized resident assessments, and derived facility language by determining the proportion of residents belonging to each linguistic group within individual LTC homes. Using linked administrative databases, we identified all instances of PIP-AP during a 1-year follow-up period. PIP-AP was defined using the STOPP-START criteria, which have previously been shown to predict adverse clinical events such as emergency department (ED) visits and hospitalizations. The association between linguistic factors and PIP-AP was assessed using adjusted multivariable logistic regression analysis. RESULTS: We identified 198,729 LTC residents consisting of 162,814 Anglophones (81.9%), 6,230 Francophones (3.1%), and 29,685 Allophones (14.9%). The odds of PIP-AP of were higher for both Francophones (aOR 1.15, 95% CI 1.08-1.23) and Allophones (aOR 1.11, 95% CI 1.08-1.15) when compared to Anglophones. When compared to English LTC homes, French LTC homes had greater odds of PIP-AP (aOR 1.12, 95% CI 1.05-1.20), while Allophone homes had lower odds of PIP-AP (aOR 0.82, 95% CI 0.77-0.86). Residents living in language-discordant LTC homes had higher odds of PIP-AP when compared to LTC residents living in language-concordant LTC homes (aOR 1.07, 95% CI 1.04-1.10). CONCLUSION: This study identified linguistic factors related to the odds of PIP-AP in LTC, suggesting that the linguistic environment may have an impact on the quality of care provided to residents.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | low |
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».