Inappropriate drug prescriptions among older nursing home residents: the Italian perspective
Notice bibliographique
Résumé
Older people take up a large proportion of health care, including drugs, and evidence shows that drug prescribing to this group is often inappropriate. Negative consequences of potential inappropriate drug prescription (PIDP) include adverse drug events, high healthcare service utilization and high costs for the patients and society. Although nursing home residents are the most vulnerable persons exposed to PIDP, few observational studies have investigated the prevalence, the factors associated with and the consequences of PIDP. Epidemiological studies assessing PIDP mainly based on the Beers' criteria showed that approximately half of US and Canadian nursing home residents have at least one PIDP in this setting. The most frequent inappropriate prescriptions concern neuroleptics and long-term benzodiazepines. Nursing home residents aged 80 years or more, those taking a low number of drugs, cognitive or communication problems are less exposed to PIDP compared with residents younger than 80 years, living in facilities with a high number of beds and a lower registered nurse-to-resident ratio. In European countries, the prevalence of PIDP among older nursing home residents was comparable to or higher than that observed in US and Canadian nursing homes. To date, the issue of PIDP has never been investigated in a representative sample of Italian nursing home residents. In a preliminary study performed by our group in 496 nursing home residents randomly selected from 40 nursing homes in Umbria, the prevalence of residents taking at least one or two inappropriate medications was 28% and 7%, respectively. The prevalence of PIDP considering diagnosis (18%) as well as those regardless of diagnosis (17%), as determined by Beers' criteria, were equally distributed in older Italian nursing home residents and no difference was found between sexes. Overall, this review reveals that the prevalence of PIDP is high in both North American and European nursing homes and highlights the urgent need for intervention trials testing strategies to reduce the health and social burden of PIDP.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».