Cost trends of potentially inappropriate medications among older adults between 2012 and 2021 in Quebec, Canada: a population-based repeated cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Potentially inappropriate medications (PIMs) are frequent in older adults, contributing to hospitalizations, adverse events, and healthcare burden. We aimed to estimate direct PIM cost trends from 2012 to 2021 among older women and men in Quebec, Canada. METHODS: Using medico-administrative data, we assessed direct costs paid by the public insurer (medication cost and professional fee, excluding out-of-pocket payments by individuals) of PIMs claimed by adults ≥65 years covered by the public drug plan. Costs for 16 PIM classes, identified using 2015 and 2019 Beers criteria, were calculated and stratified by sex and age group (65-74, 75-84, ≥85) for each fiscal year. We assessed the proportion of PIMs among all medication expenditures. We computed average costs/enrollee and usage prevalence for the costliest PIM classes. Trends were estimated using univariate linear regression with 95% confidence intervals. RESULTS: We found a non-statistically significant decrease in total PIM claim costs, from $206 million in 2012 to $186 million in 2021 (trend: -2.9[-17.4; 11.6]), representing 5.4% of medication expenditures for adults ≥65 in 2021. The reduction in total costs was more accentuated in women, whose annual costs were higher than those of men in all age groups. Average cost/enrollee decreased from $179 to $119 (trend: -7[-19; 5]), with a drop from $216 to $142 for women and $132 to $92 for men. Costs/enrollee were higher in 75-84 and ≥85 age groups. Costliest PIM classes included proton-pump inhibitors, benzodiazepines, antipsychotics, antidepressants, estrogens (women), and hypoglycemic agents (men). Cost trends did not always follow prevalence trends for these PIM classes. CONCLUSION: PIM costs among older adults slightly decreased from 2012 to 2021. Appropriate prescribing and deprescribing appear crucial for reducing these costs. Further research should focus on estimating the societal impact and the cost-effectiveness analysis of deprescribing initiatives and other regulatory measures.
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 | 0,000 | 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 ».