MétaCan
Menu
Retour à la cohorte
Enregistrement W2094409037 · doi:10.1177/0091270005283285

Challenges and Opportunities for Pharmacoepidemiology in Drug‐Therapy Decision Making

2006· article· en· W2094409037 sur OpenAlexaff
Mahyar Etminan, Sudeep S. Gill, Mark Fitzgerald, Ali Samii

Notice bibliographique

RevueThe Journal of Clinical Pharmacology · 2006
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacovigilance and Adverse Drug Reactions
Établissements canadiensUniversity of British ColumbiaQueen's UniversityCentre for Advancing Health OutcomesRoyal Victoria Hospital
Organismes subventionnairesnon disponible
Mots-clésPharmacoepidemiologyMedicineAdverse effectDrugIntensive care medicinePopulationDrug reactionMEDLINEAlternative medicineRandomized controlled trialClinical study designAdverse drug reactionClinical trialPharmacologyInternal medicinePathologyEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Pharmacoepidemiology is a relatively new and evolving science that attempts to quantify mainly adverse drug events and patterns of drug use in a large population. The strength of pharmacoepidemiology over randomized trials is the ability to quantify rare adverse events that may occur over long periods. Recently, discordance in the results of pharmacoepidemiologic studies has made it difficult for clinicians and policy makers to make informed drug-therapy decisions. This commentary addresses the strength of pharmacoepidemiology and the advances in the methodology of pharmacoepidemiologic studies over the years. We also discuss the potential problem of discordant results and urge pharmacoepidemiologists to develop good practice guidelines for the conduct of pharmacoepidemiologic studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,754
Score d'incertitude au seuil0,829

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,568
Tête enseignante GPT0,597
Écart entre enseignants0,029 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations30
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Clinical PharmacologyMême sujetPharmacovigilance and Adverse Drug ReactionsTravaux en français237 207