Resident-Level Predictors of Dementia Pharmacotherapy at Long-Term Care Admission: The Impact of Different Drug Reimbursement Policies in Ontario and Saskatchewan
Notice bibliographique
Résumé
Objectives:Cholinesterase inhibitors (ChEIs) and memantine are approved for Alzheimer disease in Canada. Regional drug reimbursement policies are associated with cross-provincial variation in ChEI use, but it is unclear how these policies influence predictors of use. Using standardized data from two provinces with differing policies, we compared resident-level characteristics associated with dementia pharmacotherapy at long-term care (LTC) admission.Methods:Using linked clinical and administrative databases, we examined characteristics associated with dementia pharmacotherapy use among residents with dementia and/or significant cognitive impairment admitted to LTC facilities in Saskatchewan (more restrictive reimbursement policies; n = 10,599) and Ontario (less restrictive; n = 93,331) between April 1, 2009, and March 31, 2015. Multivariable logistic regression models were utilized to assess resident demographic, functional, and clinical characteristics associated with dementia pharmacotherapy.Results:On admission, 8.1% of Saskatchewan residents were receiving dementia pharmacotherapy compared to 33.2% in Ontario. In both provinces, residents with severe cognitive impairment, aggressive behaviors, and recent antipsychotic use were more likely to receive dementia pharmacotherapy; while those who were unmarried, admitted in later years, had a greater degree of frailty, and recent hospitalizations were less likely. The direction of the association for older age, rural residency, medication number, and anticholinergic therapy differed between provinces.Conclusions:While more restrictive criteria for dementia pharmacotherapy coverage in Saskatchewan resulted in fewer residents entering LTC on dementia pharmacotherapy, there were relatively few differences in the factors associated with use across provinces. Longitudinal studies are needed to assess how differences in prevalence and characteristics associated with use impact patient outcomes.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».