Exploring fall‐related hospitalizations following a new dementia diagnosis using prescribing clusters: a population‐based cohort study in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Older adults living with dementia are a heterogenous population which can make studying optimal medication management challenging. Hierarchical clustering, an unsupervised machine learning method, can be used to summarize complex patterns of concurrently prescribed drug therapies across individuals. We aimed to determine if prescribing clusters (derived by grouping individuals dispensed similar medications) were associated with fall-related hospitalizations in older adults living with dementia. METHOD: We identified a cohort of 99,046 older adults (aged ≥67 years) recently diagnosed with dementia in Ontario, Canada between 2014 and 2016 using health administrative data. Individuals were assigned to one of six distinct prescribing clusters: high cardiovascular (angiotensin-converting enzyme-specific) (22.6% of the population), central nervous system active (21.3%), hypothyroidism (22.9%), respiratory (3.9%), and angiotensin receptor blocker-specific cardiovascular (6.1%), and a group with lower dispensation of medications in general (23.1%)). The outcome was fall-related hospitalizations (emergency department or acute care) over one year following the dementia diagnosis. Cause-specific survival models estimated the hazard of fall-related hospitalizations by prescribing cluster, accounting for demographic characteristics, chronic conditions, and history of Beers criteria medications. RESULT: Five percent of the cohort experienced a fall-related hospitalization within the first year of physician-diagnosed dementia, with highest prevalence in the CNS-active cluster (5.3%) and the lowest in general low medication use cluster (4.1%). The CNS-active cluster had a significantly higher relative hazard of fall-related hospitalization after multivariable adjustment (HR, 1.12, 95% CI: [1.03-1.22]), compared to those with generally limited medication use. CONCLUSION: The hazard of fall-related hospitalizations differed across prescribing clusters in persons recently diagnosed with dementia, but these differences did not persist after adjustment for key covariates. These methods can be used in future pharmacoepidemiology studies to summarize large amounts of medication data that can then be incorporated into outcomes or causal research.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| 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 ».