Polypharmacie et pratiques de prescription de médicaments psychotropes et anticholinergiques chez les aînés québécois vivant en communauté et ayant reçu un diagnostic de la maladie d'Alzheimer ou d'un trouble neurocognitif majeur entre 2015 et 2018
Bibliographic record
Abstract
Les personnes âgées souffrant de troubles neurocognitifs majeurs (TNCM) seraient davantage vulnérabilisées par les maladies chroniques et plus exposées à la prise concomitante de médicaments (polypharmacie). Elles seraient par conséquent plus à risque d'issues de santé défavorables associées à cette polypharmacie. Les psychotropes sont souvent utilisés pour atténuer les symptômes comportementaux et psychologiques de la démence, bien que leur efficacité n'ait pas été démontrée avec évidence et malgré les risques d'effets indésirables qu'ils présentent. La prise de médicaments anticholinergiques soulève également des préoccupations en raison de leur effet cognitif potentiel. L'objectif de l'étude est d'établir, chez les aînés vivant en collectivité entre 2015 et 2018, si une variation du nombre de médicaments réclamés, et plus spécifiquement des médicaments psychotropes et anticholinergiques, est observée suite au diagnostic d'un TNCM. Nous avons réalisé une étude de cohorte populationnelle rétrospective à l'aide des données administratives du Système intégré de surveillance des maladies chroniques du Québec (SISMACQ), dans le but de comparer l'usage de médicaments l'année précédant et l'année suivant le diagnostic. Le groupe TNCM (n= 12 167) inclut les personnes âgées de 66 ans et plus ayant reçu un diagnostic de TNCM en 2016-2017. Des aînés sans atteinte cognitive ont été sélectionnés afin de former le groupe contrôle (n= 88 729), qui permet de tenir compte de l'effet du temps sur l'usage de la médication. La variation du nombre de médicaments réclamés suite au diagnostic, ainsi que celle de la prévalence de l'utilisation de médicaments psychotropes et anticholinergique sont été estimées à l'aide de la méthode des doubles différences. Dans le groupe TNCM, le nombre moyen de médicaments réclamés est de 9,5 l'année précédant le diagnostic et augmente de 1,25 au cours de l'année suivant le diagnostic, en excluant les traitements anti-Alzheimer. En comparaison, 8,5 médicaments sont réclamés en moyenne la première année dans le groupe contrôle et ce nombre augmente de 0,45 médicament l'année suivante. La différence moyenne ajustée entre ces variations est de 0,81 (IC[indice 95%]: 0,74; 0,87) médicaments. Une hausse de la prévalence de l'utilisation de certaines classes de médicaments est observée suite au diagnostic : antipsychotiques : 13,2 % (12,5; 13,9); antidépresseurs : 7,1 % (6,5; 7,7); médicaments anticholinergiques : 3,8 % (3,1; 4,6). Aucune cessation de classe de médicaments particulière n'a été mise en évidence lors de nos analyses. L'établissement du diagnostic d'un TNCM est associé à une hausse de la polypharmacie au cours de l'année subséquente. Cette variation est en partie causée par une augmentation de la prescription d'antipsychotiques et d'antidépresseurs.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".