MétaCan
Menu
Retour à la cohorte
Enregistrement W2323447718 · doi:10.3389/fphar.2016.00090

Patient Participation and the Use of Ehealth Tools for Pharmacoviligance

2016· review· en· W2323447718 sur OpenAlexaff
Joëlle Berrewaerts, Laure Delbecque, Pierre Orban, Martin Desseilles

Notice bibliographique

RevueFrontiers in Pharmacology · 2016
Typereview
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacovigilance and Adverse Drug Reactions
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésPharmacovigilanceThe InternetUploadMobile phoneeHealthInternet privacyData collectionPhoneInformation and Communications TechnologyMedicineWorld Wide WebComputer scienceHealth careDrugTelecommunicationsPharmacology

Résumé

récupéré en direct d'OpenAlex

In recent years, pharmacovigilance has undergone some major changes. First, the patient's active role in identifying and describing adverse drug reactions (ADRs) has gained recognition. Second, pharmacovigilance has increasingly incorporated information and communications technology (ICT). Patients can now upload their own reports of ADRs online. Data on intensive medication monitoring are now collected via the Internet and smartphones. Worldwide collection of AEs using smart phones might become the leading technique in Low and Middle Income Countries where broad mobile phone service can be managed cheaper than Internet communication. At the same time, researchers are exploring the potential for data sharing via online forums and Internet search engines. In particular we synthetize the Pros and cons of the various methods for gathering pharmacovigilance data (i.e., Web-based spontaneous reporting of adverse drug reactions; Intensive drug monitoring studies; Analysis of online forum postings; Use of mobile phone systems to monitor drug effects). This article describes these advances and highlights their respective contributions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,291
Tête enseignante GPT0,511
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetPharmacovigilance and Adverse Drug ReactionsTravaux en français237 207