Trends in antipsychotic prescribing among community-dwelling older adults with dementia, 2010-2018
Notice bibliographique
Résumé
Abstract Due to an FDA “black box” warning for heightened risk of death, Choosing Wisely (CW) recommends avoiding antipsychotic prescription drugs as first-line treatment for dementia-related agitation. Yet, post-CW trends among community-dwelling patients with dementia remain unknown. In this retrospective cohort study, we used nationally representative Health and Retirement Study survey data linked to Medicare fee-for-service claims (January 1, 2010-December 31, 2018) to analyze prescribing trends during the pre-publication (2010-2012), publication (2013-2015), and post-publication (2016-2018) periods of CW recommendations. We included community-dwelling adults aged ≥65 years with dementia. We utilized multivariable mixed regression models to determine the percentage of patients prescribed any, potentially low-value, and potentially indicated antipsychotics. Among an estimated 2.4-2.7 million patients with dementia, any antipsychotic prescribing increased from 9.4% (95% CI, 6.4%-12.3%) during the pre-publication period (2010-2012) to 15.8% (95% CI, 12.8%-18.8%) (P < 0.001) during the publication period (2013-2015). Potentially low-value and potentially indicated prescriptions also increased. Post-publication period (2016-2018) prescribing of 16.0% (95% CI, 13.0%-19.1%) (P < 0.001) remained higher than pre-publication. Among older Americans with dementia, antipsychotic prescriptions increased after the publication of CW recommendations and held steady in the subsequent post-publication period. Stronger interventions, such as electronic clinical decision support tools and financial incentives, are needed to curb low-value antipsychotic prescribing for this vulnerable population.
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 | 0,025 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».