Natural health product–drug interaction tool
Notice bibliographique
Résumé
Natural health products (NHPs), such as herbal medicines, probiotics, vitamins and minerals, are used regularly by 73% of Canadians.1 Many consumers believe that NHPs derived from plants (such as herbal medicines) are safe because they are “natural.”1 However, some plant-derived NHPs can interact with pharmaceutical medications, potentially resulting in serious harm for patients.2 A recent active surveillance study found that approximately 45% of consumers presenting to a Canadian pharmacy report using NHPs and prescription drugs concomitantly, with 7.4% describing an adverse event.3 It is important for clinicians to initiate patient communication about NHP use and be knowledgeable about the potential risks to ensure patient safety. Unless clinicians ask, they may be unaware of patient NHP use. Most NHPs can be purchased from many sources without involvement of a health professional, and many patients do not disclose NHP use to clinicians.4 However, education about NHP interactions is not always included within medical and pharmacy curricula,5 and new evidence on NHP–drug interactions is constantly emerging. In addition, a quick search of the medical literature might identify contradictory information or poor-quality reports that are challenging to interpret. Clinicians could benefit from effective knowledge translation tools to identify and prevent potential NHP–drug interactions in their patients. As pharmacists have confirmed the utility of a NHP–drug interaction grid6 as an effective knowledge translation tool,7 we undertook a scoping review to identify and incorporate new NHP–drug interactions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 tête enseignante, 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 ».