À la recherche d’un logiciel de détection d’interactions médicamenteuses
Notice bibliographique
Résumé
Resume La detection d’interactions medicamenteuses fait partie des tâches et des responsabilites quotidiennes du pharmacien. Pour ce faire, les ressources appropriees doivent etre disponibles. Au departement de pharmacie du Centre hospitalier de l’Universite de Montreal (CHUM), le systeme de detection d’interactions medicamenteuses presente des lacunes. Or, l’identification inadequate des interactions medicamenteuses peut engendrer des consequences importantes chez les patients telles qu’un prolongement de la duree du sejour a l’hopital ou meme le deces. Une detection automatique et pertinente des interactions medicamenteuses peut aider a prevenir de facon plus efficace la survenue des effets indesirables. Un logiciel de detection d’interactions medicamenteuses approprie doit repondre a plusieurs criteres. A l’aide de cet article, le departement de pharmacie du CHUM et ceux des autres centres hospitaliers seront mieux outilles lors de la selection d’un logiciel de detection d’interactions medicamenteuses. Les pharmaciens doivent en tout temps demeurer conscients des limites d’un tel systeme. Abstract Detection of drug interactions is an important part of a pharmacist daily activity. To do so, appropriate resources should be available. At the department of pharmacy of the University of Montreal Health Center, the system for detecting drug interaction was not optimal. This article reviews on the different softwares for detecting drug interactions and makes recommendations on the best one to use.
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 | 0,026 | 0,116 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,008 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».