Adverse drug reactions in a primary care population prescribed non-steroidal anti-inflammatory drugs
Notice bibliographique
Résumé
OBJECTIVE: To determine how often patients with musculoskeletal (MSK) complaints prescribed a non-steroidal anti-inflammatory drug (NSAID) subsequently consult their general practitioner (GP) with a non-serious adverse drug reaction (ADR). DESIGN: Cohort study. SETTING: A healthcare database containing the electronic GP medical records of over 1.5 million patients throughout the Netherlands. PATIENTS: A total of 16 626 adult patients with MSK complaints prescribed an NSAID. MAIN OUTCOME MEASURES: The patients' medical records were manually assessed for the duration of NSAID use for a maximum of two months, and consultations for complaints predefined as potential ADRs were identified. Subsequently, the likelihood of an association with the NSAID use was assessed and these potential ADRs were categorized as likely, possible, or unlikely ADRs. RESULTS: In total, 961 patients (6%) consulted their GP with 1227 non-serious potential ADRs. In 174 patients (1%) at least one of these was categorized as a likely ADR, and in a further 408 patients (2.5%) at least one was categorized as a possible ADR. Dyspepsia was the most frequent likely ADR, followed by diarrhoea and dyspnoea (respectively 34%, 8%, and 8% of all likely ADRs). CONCLUSION: Of the patients with MSK complaints prescribed an NSAID, almost one in 30 patients re-consulted their GP with a complaint likely or possibly associated with the use of this drug. The burden of such consultations for non-serious ADRs should be taken into account by GPs when deciding whether treatment with an NSAID is appropriate.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».