Correlates of Potentially Inappropriate Prescriptions of Benzodiazepines among Older Adults: Results from the ESA Study
Bibliographic record
Abstract
RÉSUMÉ Les données de l’étude ESA ont été appariées aux données d’utilisation des services médicaux et pharmaceutiques de la Régie d’assurance maladie du Québec pour documenter la prescription potentiellement non appropriée de benzodiazépines chez les personnes âgées. Nos résultats indiquent que 32% des répondants ont pris une dose journalière moyenne de 6.1 mg de l’équivalent diazépam pour une durée moyenne de 205 jours par année. Nos résultats indiquent aussi que presque la moitié, 48% des utilisateurs de benzodiazépines, ont reçu au moins une prescription de benzodiazépine potentiellement non appropriée pendant les 12 mois qui précédaient l’étude. Près de 23% des consommateurs ont reçu au moins une prescription concomitante de Bzs et d’un autre médicament pouvant résulter en une interaction sérieuse. De plus, les personnes âgées de 75 ans et plus avaient plus de chances de recevoir une Bz pour une longue période de temps que les personnes âgées de 65-74 ans. Cette étude a montré que la durée d’utilisation des benzodiazépines augmentait avec le nombre de prescripteurs et avec le nombre de pharmacies consultées pendant l’année. Le nombre de pharmacies utilisées a aussi été associé avec la présence d’une ordonnance non appropriée de benzodiazépines pendant la même année. Nos résultats plaident en faveur d’un système de santé plus intégré, incluant une révision régulière des médicaments pris par les personnes âgées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".