An introduction to adverse drug reaction reporting systems in different countries
Notice bibliographique
Résumé
Abstract Objective To review adverse drug reaction (ADR) reporting schemes in selected developed countries, with emphasis on identifying community pharmacists' roles in ADR reporting. Setting International comparison between eight developed countries, with respect to ADR reporting systems and developments. Method Review of published articles on ADR reporting by pharmacists. Health and medical sciences databases including International Pharmaceutical Abstracts, MEDLINE and ProQuest were searched for relevant publications from 1993 to 2003. Websites specific to ADR reporting schemes in the selected countries were also searched. Key findings ADRs impact significantly on a nation's healthcare costs. Voluntary reporting by health professionals is currently considered the cornerstone to the detection and management of ADRs and makes a valuable contribution to the safe use of medicines. ADR reporting systems are managed by national ADR or pharmacovigilance reporting centres, and differ internationally. In general, medication-related problems are reported more commonly in hospitals than in the community. Physicians are the main contributors, except in the Netherlands and Canada, where community pharmacists play the major role in ADR reporting. Time pressure, no remuneration for reporting, and confusion about what to report were identified as some of the main deterrents for reporting by pharmacists. Conclusion Most international reporting systems for ADRs are either hospital based, or physician based. The opportunity therefore exists to further develop reporting systems that are accessible by community pharmacists, as they are in an ideal situation to detect and report ADRs through contact with patients.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,004 |
| 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 ».