Counseling About Medication-Induced Birth Defects with Clinical Decision Support in Primary Care
Notice bibliographique
Résumé
BACKGROUND: We evaluated how computerized clinical decision support (CDS) affects the counseling women receive when primary care physicians (PCPs) prescribe potential teratogens and how this counseling affects women's behavior. METHODS: Between October 2008 and April 2010, all women aged 18-50 years visiting one of three community-based family practice clinics or an academic general internal medicine clinic were invited to complete a survey 5-30 days after their clinic visit. Women who received prescriptions were asked if they were counseled about teratogenic risks or contraception and if they used contraception at last intercourse. RESULTS: Eight hundred one women completed surveys; 27% received a prescription for a potential teratogen. With or without CDS, women prescribed potential teratogens were more likely than women prescribed safer medications to report counseling about teratogenic risks. However, even with CDS 43% of women prescribed potential teratogens reported no counseling. In multivariable models, women were more likely to report counseling if they saw a female PCP (odds ratio: 1.97; 95% confidence interval: 1.26-3.09). Women were least likely to report counseling if they received angiotensin-converting enzyme inhibitors or angiotensin receptor blockers. Women who were pregnant or trying to conceive were not more likely to report counseling. Nonetheless, women who received counseling about contraception or teratogenic risks were more likely to use contraception after being prescribed potential teratogens than women who received no counseling. CONCLUSIONS: Physician counseling can reduce risk of medication-induced birth defects. However, efforts are needed to ensure that PCPs consistently inform women of teratogenic risks and provide access to highly effective contraception.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».