Pharmacology management of major neurocognitive disorders in the United Kingdom: a population-based drug utilization study
Notice bibliographique
Résumé
Background: Major neurocognitive disorders (MNCD) affect 1 in 11 persons over age 65.Cholinesterase inhibitors (ChEIs, i.e. donepezil, galantamine, and rivastigmine) and memantine are the only approved drugs for the management of MNCD in both the United Kingdom (UK) and Canada.The objective of this thesis was to describe the sex, age, and clinical characteristics associated with MNCD drug utilization, and to examine how prescription patterns vary with these characteristics.Methods: I assembled a retrospective, population-based inception cohort of all patients aged 65+ years with a new diagnosis of MNCD between 1997 and 2017 in the Clinical Practice Research Datalink, a primary care database with 15 million patient records from over 700 primary care practices in the UK.Patients were followed from MNCD diagnosis until the date of departure from the general practitioner practice, death, or March 2017.MNCD drug utilization patterns included time from date of diagnosis to medication initiation, switches, adherence and persistence, which were described overall, by sex, age group (65-74, 75-84, 85-94, 95+) and MNCD subtype (Alzheimer's, vascular, mixed, other [dementia with Lewy bodies, frontotemporal and Parkinson's] and non-specific).Associations between patient characteristics and drug initiation, switches, discontinuation and non-adherence were compared using Cox proportional hazards regression models, presented as hazard ratios (HR) with 95% confidence intervals (CI), adjusted for relevant demographic and clinical covariates.Results: A total of 91,025 patients with MNCD were identified, among whom 25,071 (28%) received at least 1 MNCD drug prescription during follow-up and 13% of initiators switched to a second MNCD drug.Persistence was low (82% after the first trial, 56% after 6 months, 19% after 2 years), and adherence was modest among those who were persistent (53% at 2 years).Compared to male patients, female patients were more likely to initiate treatment with donepezil (adjusted HR=1.10, 95% CI 1.07-1.14),less likely to discontinue treatment with donepezil (adjusted HR=0.96, 95% CI 0.93-0.99)and less likely to become non-adherent (adjusted HR=0.91, 95% CI 0.87-0.96) to donepezil treatment.As compared to patients diagnosed at age 65-74, those diagnosed over age 95 were more frequently prescribed memantine (28%, versus 9%), less likely to switch medications (adjusted HR=0.25, 95% CI 0.23-0.28),were less persistent and had a higher rate of non-adherence.There were observed differences among the 5 iii dementia subtypes with respect to MNCD treatment initiation, switches and persistence but not adherence.Conclusion: In this population-based inception cohort, the largest MNCD primary care drug utilization study conducted to date, MNCD drug utilization varied by sex, age and MNCD subtype.v ajusté : 1,11; IC à 95 % : 1,07 à 1,14), moins susceptibles d'arrêter le traitement avec le donépézil (RRI ajusté : 0,96; IC à 95 % : 0,93 à 0,99) et moins susceptibles d'être non observantes (RRI ajusté : 0.91, IC à 95 % : 0,87 à 0,96) au traitement avec le donépézil.Comparativement aux patients diagnostiqués entre 65 et 74 ans, les patients diagnostiqués après 95 ans avaient reçu plus fréquemment de la mémantine (28 % p/r à 9 %), étaient moins susceptibles de passer à un autre médicament (RRI ajusté : 0,25; IC à 95 % : 0,23 à 0,28), affichaient moins de persistance et présentaient un taux plus élevé de non-observance.Des différences ont été observées entre les 5 sous-types de démence quant à la prescription de médicaments pour les TNM, aux passages à d'autres médicaments et à la persistance, mais pas en ce qui a trait à l'observance.Conclusion : Dans cette cohorte populationnelle de patients suivis depuis le début de leur maladie, qui constitue la plus vaste étude sur l'usage de médicaments pour les TNM en soins primaires menée à ce jour, l'utilisation de ces médicaments variait en fonction du genre et de l'âge des patients, et du sous-type de TNM.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».