Potentially Inappropriate Medication Use Among Older Adults with Cognitive Impairment and Dementia Attending Primary Care-Based Memory Clinics
Notice bibliographique
Résumé
Potentially inappropriate medications (PIMs) increase the risk of adverse drug reactions, hospitalizations, and worsened health outcomes in older adults, particularly those with cognitive impairment (CI) or dementia. This study was designed to compare the Beers Criteria® 2023 and the Screening Tool of Older Persons’ Potentially Inappropriate Prescriptions (STOPP) Criteria 2023 to determine which identifies a higher prevalence of PIMs in older adults with CI or dementia attending primary care-based memory clinics. PIMs were identified with the use of the updated Beers Criteria® 2023 and STOPP Criteria 2023, from electronic medical records of study participants from January to August 2023. The study identified PIMs and analyzed associated risk factors using bivariate logistic regression. Of 44 older adults, 47.7% (n = 21) were detected with one PIM based on Beers Criteria® 2023, and 27.2% (n = 12) were identified with at least one PIM using STOPP criteria. Using the updated Beers Criteria® 2023 and STOPP Criteria 2023, the study identified 50 PIMs (averaging 0.9 PIMs per participant) based on Beers Criteria® and 31 PIMs (averaging 0.6 PIMs per participant) based on STOPP Criteria, respectively. Bivariate logistic regression revealed a significant association between having nine or more comorbidities and PIMs according to Beers Criteria® (odds ratio (OR) = 8.4, 95% confidence interval (CIn) = 1.27–55.39, p = 0.027). This study highlights the high prevalence of PIMs among older adults with CI or dementia, emphasizing the need for regular medication reviews. Implementing both criteria can enhance medication management and improve patient safety in 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».