MétaCan
Menu
Retour à la cohorte
Enregistrement W2018425341 · doi:10.1097/ajp.0000000000000248

Accuracy of Self-reported Prescribed Analgesic Medication Use

2015· article· en· W2018425341 sur OpenAlexaffabout
Anaïs Lacasse, Mark A. Ware, Patricia Bourgault, Hélène Lanctôt, Marc Dorais, Christian Cloutier, Yoram Shir, Manon Choinière

Notice bibliographique

RevueClinical Journal of Pain · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueOpioid Use Disorder Treatment
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité du Québec en Abitibi-TémiscamingueMcGill University Health CentreUniversité de MontréalCentre Hospitalier de l’Université de MontréalUniversité de SherbrookeUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionAnalgesicConfidence intervalLinkage (software)PharmacoepidemiologyInformed consentPopulationFamily medicineAlternative medicineInternal medicinePsychiatryPharmacology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: The validity of studies conducted with patient registries depends on the accuracy of the self-reported clinical data. As of now, studies about the validity of self-reported use of analgesics among chronic pain (CP) populations are scarce. The objective of this study was to assess the accuracy of self-reported prescribed analgesic medication use. This was attained by comparing the data collected in the Quebec Pain Registry (QPR) database to those contained in the Quebec administrative prescription claims database (Régie de l'assurance maladie du Québec [RAMQ]). METHODS: To achieve the linkage between the QPR and the RAMQ databases, the first 1285 patients who were consecutively enrolled in the QPR between October 31, 2008 and January 27, 2010 were contacted by mail and invited to participate in a study in which they had to provide their unique RAMQ health insurance number. Using RAMQ prescription claims as the reference standard, κ coefficients, sensitivity, specificity, and their respective 95% confidence intervals were calculated for each therapeutic class of prescribed analgesic drugs that the participants reported taking currently and in the past 12 months. RESULTS: A total of 569 QPR patients responded to the postal mailing, provided their unique health insurance number, and gave informed consent for the linkage (response proportion=44%). Complete RAMQ prescription claims over the 12 months before patient enrollment into the QPR were available for 272 patients, who constituted our validated study population. Regarding current self-reported prescribed analgesic use, κ coefficients measuring agreement between the 2 sources of information ranged from 0.66 to 0.78 for COX-2-selective nonsteroidal anti-inflammatory drugs, anticonvulsants, antidepressants, skeletal muscle relaxants, synthetic cannabinoids, opiate agonists/partial agonists/antagonists, and antimigraine agents therapeutic classes. For the past 12-month self-reported prescribed analgesic use, QPR patients were less accurate regarding anticonvulsants (κ=0.59), opiate agonists/partial agonists/antagonists (κ=0.57), and antimigraine agents use (κ=0.39). DISCUSSION: Information about current prescribed analgesic medication use as reported by CP patients was accurate for the main therapeutic drug classes used in CP management. Accuracy of the past year self-reported prescribed analgesic use was somewhat lower but only for certain classes of medication, the concordance being good on all the others.

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)0,033
score de la tête « metaresearch » (Gemma)0,125
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 enseignants0,067
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,125
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
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 Opus0,129
Tête enseignante GPT0,417
Écart entre enseignants0,288 · 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

Citations38
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Journal of PainMême sujetOpioid Use Disorder TreatmentTravaux en français237 207