Analgesic regimens administered to older adults receiving skilled nursing facility care following hip fracture: a proof-of-concept federated analysis
Notice bibliographique
Résumé
BACKGROUND: Although a majority of patients in the U.S. receive post-acute care in skilled nursing facilities (SNFs) following hip fracture, large-sample observational studies of analgesic prescribing and use in SNFs have not been possible due to limitations in available data sources. We conducted a proof-of-concept federated analysis of electronic health records (EHRs) from 11 SNF chains to describe analgesic use during hip fracture post-acute care. METHODS: We included residents with a diagnosis of hip fracture between January 1, 2018 and June 30, 2021 who had at least one administration of an analgesic. Use of analgesics was ascertained from EHR medication orders and medication administration records. We quantified the proportion of residents receiving analgesic regimens based on the medications that were administered up to 100 days after hip fracture diagnosis. Plots visualizing trends in analgesic use were stratified by multiple resident characteristics including age and Alzheimer's Disease and Related Dementias (ADRD) diagnosis. RESULTS: The study included 23,706 residents (mean age 80.5 years, 68.6% female, 87.7% White). Most (~ 60%) residents received opioids + APAP. Monotherapy with APAP or opioids was also common. The most prevalent regimens were oxycodone + APAP (20.1%), hydrocodone + APAP (15.8%), APAP only (15.1%), tramadol + APAP (10.4%), and oxycodone only (4.3%). During the study period, use of APAP-only increased, opioids-only decreased, and opioids + APAP remained stable. Use of APAP-only appeared to be more prevalent among individuals aged > 75 years (versus ≤ 75 years) and those with ADRD (versus without). CONCLUSIONS: We successfully leveraged federated SNF EHR data to describe analgesic use among residents receiving hip fracture post-acute care.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».