MétaCan
Menu
Retour à la cohorte
Enregistrement W2103409361 · doi:10.18433/j3d88g

Pharmacy Record Registration of Acetyl Salicylic Acid (ASA) Prescriptions in Quebec

2012· article· en· W2103409361 sur OpenAlexaffvenueabout
Line Guénette, Caroline Sirois

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensMcGill University Health CentreUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésPharmacyMedical prescriptionMedicineReimbursementFamily medicineMedical recordConfidence intervalPharmacologyInternal medicineHealth care

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To determine the extent of which acetyl salicylic acid (ASA) use is included in patients' pharmacy records. METHODS: During an in-home interview, people aged ≥ 65 years were asked to report all of the medications they had used at least once, including over-the-counter drugs, during the preceding month. Researchers recorded information on the drug name, reason for its use, and whether a physician prescribed it. From the pharmacy records, the drug names, prescription fill dates, quantities supplied, and the numbers of days' supply were recorded. The level of agreement for ASA use across data sources was assessed using proportions of agreement and kappa coefficients. RESULTS: Of 193 individuals interviewed, 86 reported the use of ASA, including 76 ASA users (88.4%) who said it was prescribed by a physician. Pharmacy medication records indicated that there were 74 users of ASA. The proportion of agreement for ASA use was 93.8%, and kappa coefficient was 0.87 (95% confidence interval: 0.80-0.94). The sensitivity, specificity, and positive predictive value of the pharmacy data were all high. CONCLUSIONS: A large proportion of ASA use is documented in pharmacy records in Quebec. Thus, the information regarding ASA use in pharmacy records is reliable. This result may not be reproducible in other settings where pharmaceutical reimbursement rules are different.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,036
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,279
Tête enseignante GPT0,494
Écart entre enseignants0,215 · 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
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207