Preference Trends for Antispasmodics Among Indian Healthcare Professionals: Results of a Cross Sectional Survey
Notice bibliographique
Résumé
Objective: Understanding antispasmodics usage pattern among Indian healthcare practitioners (HCPs). Material and methods: HCPs were interviewed in person to understand preference of antispasmodics. The preference of formulation in acute/chronic pain, perceptions about attributes of antispasmodics, medicine recall and indications of different antispasmodics were noted. Results: Acute spasmodic pain is more common than chronic pain (61% vs 39% pediatrics; 58% vs 42% other specialties). In mild acute spasmodic pain tablet is used by 58% and in severe acute spasmodic pain injection is preferred by 55% HCPs. In mild and moderate chronic spasmodic pain, almost half of HCPs use tablet. Injection is used by 53% of HCPs for severe acute / chronic spasmodic pain. Injection is preferred for better efficacy by 67% HCPs. 80% healthcare practitioners use injection for quick onset of action. Tablets provide prolonged relief and are easy to administer according to 46% and 58% HCPs respectively. Camylofin plus paracetamol was the most common antispasmodic preparation recalled (91% HCPs). Conclusion: Spasmodic pain is common clinical condition. Antispasmodic injection is used in severe condition and quick onset of action while oral formulations are preferred for prolonged relief. Camylofin plus paracetamol is recalled by about nine out of ten HCPs.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».