MétaCan
Menu
Retour à la cohorte
Enregistrement W1994130365 · doi:10.3109/00952990.2010.491882

Does Low Urine Creatinine Level Indicate the Presence of Urine Alcohol in Methadone Maintenance Treatment Patients?

2010· article· en· W1994130365 sur OpenAlexaff
Michael Varenbut, Carolyn Plater-Zyberk, Andrew Worster, Jeff Daiter

Notice bibliographique

RevueThe American Journal of Drug and Alcohol Abuse · 2010
Typearticle
Langueen
DomaineMedicine
ThématiqueAlcohol Consumption and Health Effects
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésUrineCreatinineMedicineMethadoneUrologyPopulationAlcoholInternal medicineChemistryAnesthesiaBiochemistry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We sought to test the assumption that a low urine creatinine level is indicative of the presence of alcohol in the urine of patients prescribed methadone. METHODS: This is a medical record review of 261,055 urine samples from approximately 6,000 patients prescribed methadone during a one-year period and for whom both urine creatinine and ethanol levels were simultaneously measured. We defined a creatinine level of less than 2.26 mmol/L as 'low' used a urine ethanol level of greater than 2.0 mmol/L as the reference standard for alcohol consumption. RESULTS: The sensitivity and specificity of low urine creatinine as a marker for the detection of urine ethanol are 11.9% (95% CI: 11.3, 12.5%) and 96.7% (95% CI: 96.7, 96.7%), respectively. In this patient population with a low (3.6%) prevalence of alcohol in the urine, the results correspond to a positive predictive value of 11.9% (95% CI: 11.3, 12.6%) and a negative predictive value of 96.7% (95% CI: 96.7, 96.7%), respectively. CONCLUSIONS: Low urine creatinine is a poor screening test for detecting alcohol consumption among patients on methadone. However, a normal creatinine level has a 96.7% probability of no alcohol urine present in the urine.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,037
Tête enseignante GPT0,333
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Drug and Alcohol AbuseMême sujetAlcohol Consumption and Health EffectsTravaux en français237 207