Does Physicians' Clinical Competence, Communication Ability, or Cultural Background Influence Potentially Inappropriate Prescribing of Benzodiazepines and Z‐Drugs Among Older Adults With Insomnia?
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study is to estimate the association between physician's age, sex, clinical and communication competencies, and cultural background on benzodiazepines and Z-drugs (BDZ) prescribing to older adults with insomnia. METHODS: A cohort of international medical graduates (IMGs) who completed their pre-residency licensure exam in 1998-2004 were linked to all U.S. Medicare patients they provided care to in 2014-2015. Their care records in Parts A, B, and D from all physicians were extracted. The first outpatient visit for insomnia to a study IMG was identified for each patient in that period. The outcome was incident BDZ prescribing by the study physician following the visit. Main exposures were physician age, sex, citizenship at birth, and clinical and communication competency as measured on the licensure exam. The association between physician characteristics and BDZ prescribing, adjusting for physician and patient covariates, was estimated using generalized estimating equations multivariable logistic regression. RESULTS: We analyzed 28 018 patients seen by 4069 unique physicians. IMGs born in all other regions of the world were less likely to prescribe BDZs compared to U.S.-born IMGs, with physicians from the United Kingdom being least likely (OR 0.54 [95%CI 0.34-0.85]). Neither physician's clinical competency nor communication ability were associated with BDZ prescribing (OR per 10% increase, respectively: 0.95 [95%CI 0.88-1.02] and 0.98 [95%CI 0.93-1.04]). Older physicians remain more likely to prescribe BDZ (OR per 5-year increase 1.04 [95%CI 1.00-1.08]). CONCLUSIONS: The associations between cultural background and physician's age on BDZ prescribing highlight the potential targets for remedial solutions to reduce the use of potentially inappropriate medications.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».