Community pharmacists' identification of natural health product/drug interactions in older persons
Notice bibliographique
Résumé
Abstract Objective To document the prevalence and significance of potential natural health products (NHPs)/prescribed drug interactions in a sample of older adults; to determine whether community pharmacists detected these drug interactions; and to characterise users and non-users of NHPs. Setting The project involved 15 community pharmacists providing pharmaceutical care to 213 non-institutionalised older adults. Method The study was a subanalysis of a prospective, non-randomised, before-and-after trial of the provision of pharmaceutical care. Pharmacists documented each time medication-specific information or advice was provided to subjects. The numbers and types of NHPs that clients reported taking and the number of potentially significant NHP/prescribed drug interactions were determined. Whether pharmacists identified such drug interactions and made the necessary interventions were also documented. Results Forty-two NHPs were reported 96 times by 49 (23%) clients, most commonly glucosamine (n = 10), garlic (n = 10), prune juice (n = 9), and Ginkgo biloba (n = 6). There was a total of 446 possible NHP/prescribed drug combinations in the 49 clients, of which 53 (12%) were considered to be of potential clinical significance. Of these 53 combinations, three pharmacists identified four (8%) potential interactions in three different patients. Although gender, mean age and number of reported medical conditions did not differ between users and non-users of NHPs, users reported taking fewer prescribed drugs compared with non-users (5.0 ± 3.2 vs 6.0 ± 2.9, respectively, P = 0.043) and more non-prescribed drugs (4.2 ± 2.5 vs 2.1 ± 2.0, respectively, P < 0.0001). Conclusion The reported prevalence of NHP and the potential for NHP/prescribed drug interactions in our sample of older adults were high. Pharmacists providing pharmaceutical care did not commonly identify potentially significant NHP/prescribed drug interactions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».