Antipsychotic Medication Use Among Newly Admitted Long-term Care Residents During the COVID-19 Pandemic in Canada
Notice bibliographique
Résumé
Objective: Examination of the impact of the COVID-19 pandemic on rates of antipsychotic medication use, initiation and discontinuation, among newly admitted long-term care residents. Design: Repeated cross-sectional study. Settings and Participants: Long-term care home residents in Alberta, British Columbia and Ontario, Canada assessed with the Minimum Data Set (MDS) 2.0 assessment. The cohort was segmented according to admission during the pandemic (March 2020/2021) and 2 pre-pandemic (March 2018/2019 and March 2019/2020) periods. Methods: Multivariable logistic regression models were fit to characterize the association between long-term care admission during the COVID-19 pandemic and the use of antipsychotic medications. A second set of logistic regression models were fit among residents with follow-up assessments to characterize the association between long-term care admission and antipsychotic initiation/discontinuation at follow-up. All models were adjusted for resident characteristics including sex, age group, Aggressive Behaviour Scale score, Cognitive Performance Scale score, and diagnoses of Alzheimer's disease and related dementias, anxiety disorder, depression, and bipolar disorder. Results: 21 612 residents admitted during the pandemic and over 30 000 in each pre-pandemic period were included. Antipsychotic use increased during the pandemic period among newly admitted residents from both community (adjusted odds ratio [aOR] 1.20-1.29) and hospital settings (aOR 1.21-1.23). Residents admitted during the pandemic period were more likely to have antipsychotic medications initiated (aOR 1.25-1.26) and less likely to have had them discontinued (aOR 0.74-0.76) at the time of follow-up assessment. Conclusion and Implications: Multiple factors contributed to the observed increase in antipsychotic medication use among newly admitted long-term care home residents during the COVID-19 pandemic: increased medication use at the time of admission, increased medication initiation at follow-up, and decreased medication discontinuation at follow-up. A whole-systems approach that extends beyond long-term care into hospital and community settings is necessary to address this prevalent issue.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 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 ».