MétaCan
Menu
Retour à la cohorte
Enregistrement W2039446379 · doi:10.14740/jocmr1974w

Treatment of Iron Deficiency With Intravenous Ferric Carboxymaltose in General Practice: A Retrospective Database Study

2014· article· en· W2039446379 sur OpenAlexvenueno aff
Martina Kuster, Damian N. Meli

Notice bibliographique

RevueJournal of Clinical Medicine Research · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineIntravenous ironIron deficiencyRetrospective cohort studyPediatricsDatabaseInternal medicineAnemia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Iron deficiency is a frequent problem in general practice. Oral supplementation may in some cases not be well tolerated or not be efficient. Intravenous ferric carboxymaltose may be an alternative for iron supplementation in general practice. The aim of the present study was to analyze the indications for and the efficacy of intravenous ferric carboxymaltose in a primary care center. METHODS: We retropectively analyzed electronic data from 173 patients given intravenous ferric carboxymaltose between 2011 and 2013 in primary care center with 18 GPs in Bern, Switzerland. RESULTS: Of all patients, 34% were treated intravenously due to an inappropriate increase in ferritin levels after oral therapy, 24% had side effects from oral treatment, 10% were treated intravenously due to the patients explicit wish, and in 39% of all cases, no obvious reason of intravenous instead of oral treatment could be found. Intravenous ferric carboxymaltose led to a significant increase in hemoglobin and serum ferritin levels. Side effects of intravenous treatment were found in 2% of all cases. CONCLUSION: We conclude that treatment with intravenous ferric carboxymaltose is an efficient alternative for patients with iron deficiency in general practice, when oral products are not well tolarated or effective. As treatment with iron carboxymaltose is more expensive and potentially dangerous due to side effects, the indication should be placed with (more) care.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,136
Tête enseignante GPT0,527
Écart entre enseignants0,391 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical Medicine ResearchMême sujetIron Metabolism and DisordersTravaux en français237 207