MétaCan
Menu
Retour à la cohorte
Enregistrement W2118741833 · doi:10.1016/j.preghy.2012.04.033

OS032. Pharmacotherapy for pre-eclampsia in low and middle income countries: An analysis of essential medicines lists (EMLS).

2012· article· en· W2118741833 sur OpenAlexaff
S. Lalani, Tabassum Firoz, Laura A. Magee, Rohan G. T. Lowe, Diane Sawchuck, Beth A. Payne, R. Gordon, Marianne Vidler, Peter von Dadelszen

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Research and Treatment
Établissements canadiensUniversity of British ColumbiaChildren’s Health Research InstituteChild and Family Research InstituteChildren's & Women's Health Centre of British Columbia
Organismes subventionnairesnon disponible
Mots-clésEclampsiaMedicinePregnancyObstetrics

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Pre-eclampsia is the second leading cause of maternal mortality in low and middle income countries (LMIC). Pharmacological management of pre-eclampsia has five major components including antihypertensive therapy for severe and non-severe hypertension, magnesium sulphate for prevention or treatment of eclampsia, treatment of pre-eclampsia-related end-organ complications, antenatal corticosteroids for acceleration of fetal pulmonary maturity given iatrogenic preterm delivery for maternal and/or fetal indications, and labour induction for such indicated deliveries. Essential medicines are defined by the World Health Organization (WHO) as "drugs that satisfy the health care needs of the majority of the population". Essential Medicines Lists (EMLs) detail these essential medicines within an individual country and support the argument that the medication should be routinely available. OBJECTIVES: To determine how many drugs required for comprehensive pre-eclampsia management are listed in national EMLs of LMIC. METHODS: We conducted a descriptive analysis of relevant drug prevalence on identified EMLs. We searched for the national EMLs of the 144 LMIC identified by the World Bank. EMLs were collected by broad based internet searches and in collaboration with the WHO. The EMLs were surveyed for therapies for the different aspects of pre-eclampsia management: hypertension (non-severe and severe with oral or parenteral agents), eclampsia, pre-eclampsia complications (e.g., pulmonary oedema, thrombosis), preterm birth, and labour induction. RESULTS: EMLs were located and reviewed for 58(40.3%) of LMIC. One or more parenteral antihypertensive agents were listed in 51(87.9%) EMLs. The most common agents were: hydralazine (67.2%), verapamil (58.6%), propranolol (39.7%) and sodium nitroprusside (37.9%); parenteral labetalol was listed by only 19.0% of EMLs. The most prevalent oral antihypertensive therapies listed were: nifedipine (96.6%, usually 10 or 20mg intermediate-acting tablets), methyldopa (94.8%), propranolol (89.7%), and atenolol (87.9%). Captopril, enalapril, hydrochlorothiazide and spironolactone were commonly listed. Magnesium sulphate for prevention and management of eclampsia was present in 86.2% of EMLs (and its antidote, calcium gluconate in 82.8%). To manage complications of pre-eclampsia, oral frusemide was listed in 94.8% of EMLs and parenteral heparin in 91.4%. Most EMLs listed parenteral dexamethasone (91.4%) for acceleration of fetal pulmonary maturity and oxytocin (98.3%) or a prostanoid (usually misoprostol, 39.7%) for labour induction. CONCLUSION: EMLs of LMIC provide comprehensive coverage of all aspects of recommended pre-eclampsia pharmacotherapy. These EMLs may be used as advocacy tools to ensure the availability of these therapies within each country.

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)0,008
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 enseignants0,010
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,019
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,027
Tête enseignante GPT0,351
Écart entre enseignants0,324 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetCancer Research and TreatmentTravaux en français237 207