MétaCan
Menu
Retour à la cohorte
Enregistrement W2329657449 · doi:10.1177/171516350714000226

Drug-Related Problems Identified in a Workplace Asthma Self-Management Program

2007· article· en· W2329657449 sur OpenAlexaffvenue
Neil J. MacKinnon, Chantal LeCouteur Morais, Theresa Rose

Notice bibliographique

RevueCanadian Pharmacists Journal / Revue des Pharmaciens du Canada · 2007
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésAsthmaMedicinePharmacistGeneral partnershipFamily medicineHealth careAdverse effectPhysical therapyPharmacyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background/Objective: Drug-related problems (DRPs) commonly lead to many adverse outcomes in patients with asthma. The objective of this study was to identify DRPs, potential DRPs, and non-DRPs in a workplace asthma self-management program. Methods: “Inspire at Work” is a unique workplace asthma self-management program that is a partnership between Medavie Blue Cross (a benefits carrier) and 7 large employers in New Brunswick. As part of this program, a certified asthma educator conducted 4 in-depth assessments for each participant. The reports from these assessments were independently reviewed by a pharmacist-researcher to classify the drug-related problems, potential DRPs, and non-DRPs identified by the asthma educator. Results: Ninety-nine patients completed the Inspire at Work program, and 46 DRPs were identified in 34 patients. The most common types of DRPs were untreated indications (20 patients), failure to receive drugs (12 patients), and subtherapeutic dosage (11 patients). A total of 188 problems were found — an average of 1.90 problems per patient. Conclusion: A significant number of problems in the care of patients with asthma were identified as part of this workplace asthma self-management program. Further stages in this study will examine the relationship of these problems to adverse clinical outcomes and the utilization of health care resources.

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)0,006
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 enseignants0,016
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,043
Tête enseignante GPT0,335
Écart entre enseignants0,292 · 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

Citations9
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Pharmacists Journal / Revue des Pharmaciens du CanadaMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207