MétaCan
Menu
Retour à la cohorte
Enregistrement W2296859548 · doi:10.1093/pch/21.2.83

Unlicensed and off-label drug use in paediatrics in a mother-child tertiary care hospital

2016· article· en· W2296859548 sur OpenAlexaffabout
Jennifer Corny, Benoît Bailey, Denis Lebel, Jean‐François Bussières

Notice bibliographique

RevuePaediatrics & Child Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésTertiary careMedicineOff-label usePediatricsDrugTertiary levelFamily medicinePharmacologyPsychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To assess unlicensed and off-label drug use in a tertiary care paediatric hospital in Canada on a single day. METHODS: A cross-sectional study in a tertiary care paediatric hospital was conducted on one randomly selected day. Active prescriptions for children <18 years of age were analyzed. Unlicensed drug use was defined as the use of nonmarketed drugs in Canada or marketed drugs with pharmacy compounding. Off-label drug use was defined as the use of marketed drugs in Canada for an unapproved age group, indication, dosing, frequency and/or route of administration. Off-label drug uses associated with strong scientific support were analyzed using the Pediatric Dosage Handbook, 14th edition and Micromedex(®) Solutions. Number and proportion of unlicensed and off-label drug uses, and off-label drug uses associated with strong scientific support were measured. RESULTS: A total of 2145 drug prescriptions were extracted on March 5, 2014, for inclusion in the present study. The unlicensed drug use rate was 8.3% (57 unlicensed drug products; 75 nonmarketed drug prescriptions and 103 pharmacy compounding prescriptions) and the off-label drug use rate was 38.2% (161 substances; 819 prescriptions). Reasons for off-label drug use included unapproved age group (n=436 [53.2%]), dosing (n=226 [27.6%]), frequency (n=206 [25.2%]), indication (n=45 [5.5%]) and administration route (n=46 [5.6%]). Of the off-label drug prescriptions, 39.3% (n=322) were associated with strong scientific support. CONCLUSIONS: On a randomly selected day, 8.3% of prescriptions were unlicensed and 38.2% were off-label for children hospitalized at the authors' institution. Of off-label prescriptions, only 39.3% were associated with strong scientific support.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,264
Score d'incertitude au seuil0,525

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,315
Écart entre enseignants0,294 · 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

Citations24
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child HealthMême sujetPharmaceutical studies and practicesTravaux en français237 207