MétaCan
Menu
Retour à la cohorte
Enregistrement W1159898105 · doi:10.5414/cp202429

Potentially inappropriate medication use at ambulatory care visits by elderly patients covered by National Health Insurance in Korea

2015· article· en· W1159898105 sur OpenAlexaboutno aff
Dong‐Sook Kim, Soonim Huh, Sukhyang Lee

Notice bibliographique

RevueInternational Journal of Clinical Pharmacology and Therapeutics · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionAmbulatoryAmbulatory careHealth carePublic healthNational health insuranceEmergency medicineFamily medicineMedical emergencyEnvironmental healthPopulationInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Potentially inappropriate medication (PIM) use is an important and preventable safety concern in the care of elderly patients and has been associated with adverse drug reactions, hospitalization, and mortality. Although PIM use for the elderly is a common and serious public health issue worldwide, there are few studies examining PIM use in the ambulatory care setting in Korea. METHODS: To examine the prevalence and risk factors of PIM use from ambulatory care visits by elderly patients covered by National Health Insurance (NHI) in Korea, the nationwide prescription claims data of elderly patients' ambulatory care visits in 2006 were analyzed. RESULTS: Potentially inappropriate prescriptions were identified using extensive criteria that included Beers', Zhan's, and Canadian criteria. In 2006, 3,770,978 elderly patients received 40,995,267 prescriptions. 36.7% of the total prescriptions for elderly patients who visited ambulatory care clinics were identified as PIM use. Findings in this study indicated that the strongest risk factors for PIM prescriptions were the number of drugs prescribed and visit characteristics. CONCLUSION: Therefore, it is necessary to develop the explicit criteria of PIM prescription in Korea that can be included in the Drug Utilization Review (DUR) system, which is expected to lead to more appropriate and judicious prescribing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,306
Score d'incertitude au seuil0,450

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,159
Tête enseignante GPT0,495
Écart entre enseignants0,337 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Clinical Pharmacology and TherapeuticsMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207