Assessing potentially inappropriate prescribing (PIP) and predicting patient outcomes in Ontario's older population: a population-based cohort study applying subsets of the STOPP/START and Beers' criteria in large health administrative databases.
Notice bibliographique
Résumé
Introduction Adverse drug events (ADEs) are common in older people and contribute significantly to emergency department (ED) visits, unplanned hospitalisations, healthcare costs, morbidity and mortality. Many ADEs are avoidable if attention is directed towards identifying and preventing inappropriate drug use and undesirable drug combinations. Tools exist to identify potentially inappropriate prescribing (PIP) in clinical settings, but they are underused. Applying PIP assessment tools to population-wide health administrative data could provide an opportunity to assess the impact of PIP on individual patients as well as on the healthcare system. This would open new possibilities for interventions to monitor and optimise medication management on a broader, population-level scale.\n\nMethods and analysis The aim of this study is to describe the occurrence of PIP in Ontario's older population (aged 65 years and older), and to assess the health outcomes and health system costs associated with PIP—more specifically, the association between PIP and the occurrence of ED visits, hospitalisations and death, and their related costs. This will be done within the framework of a population-based retrospective cohort study using Ontario's large health administrative and population databases. Eligible patients aged 66 years and older who were issued at least 1 prescription between 1 April 2003 and 31 March 2014 (approximately 2 million patients) will be included.\n\nEthics and dissemination Ethical approval was obtained from the Ottawa Health Services Network Ethical Review Board and from the Bruyère Research Institute Ethics Review Board. Dissemination will occur via publication, presentation at national and international conferences, and ongoing exchanges with regional, provincial and national stakeholders, including the Ontario Drug Policy Research Network and the Ontario Ministry of Health and Long-Term Care.\n\nTrial registration number Registered with clinicaltrials.gov (registration number: NCT02555891).
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».