MétaCan
Menu
← Retour à la cohorte
Enregistrement W2438168903 · doi:10.1017/cjn.2016.125

P.019 Trends in medication use over eleven years in patients presenting to a rural and remote memory clinic

2016· article· en· W2438168903 sur OpenAlexaffvenue
Ryan Verity, Andrew Kirk

Notice bibliographique

RevueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensSaskatoon Medical Imaging
Organismes subventionnairesnon disponible
Mots-clésAnticholinergicMedicineSpearman's rank correlation coefficientStatisticPopulationStatistical analysisEmergency medicinePediatricsAnesthesiaEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Background: Anticholinergic and sedating medications are generally contraindicated in those with cognitive decline. We examined trends in medication use by patients presenting to a rural and remote memory clinic (RRMC) between March 2004 and June 2015 to determine whether patterns of medication use have changed. Methods: The first 445 patients seen at the RRMC between 2004 and 2015 were included in this analysis. Medication lists were collected at the patient’s initial visit, and it was noted whether patients were taking anticholinergic or potentially sedating drugs. Statistical analysis (Spearman’s Correlation) was conducted to examine trends in medication use over time. Results: Ninety-one patients (20.5%) were taking at least one anticholinergic medication. There was a statistically significant decline (25.0% in 2004 to 12.5% in 2014) in percentage of patients presenting with anticholinergic medications over the eleven years of this study (Spearman’s correlation coefficient=-0.64, p=0.035). Conclusions: The most encouraging statistic to come from this study is a decline in anticholinergic medication use in this rural population. Prescribers must be properly informed to ensure that the number of medications per patient does not continue to rise, that medications are used only as necessary, and that potentially deleterious medications are avoided.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,985
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,107
Tête enseignante GPT0,377
Écart entre enseignants0,270 · 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

Citations1
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Neurological Sciences / Journal Canadien des Sciences Neurologiques→Même sujetPharmaceutical Practices and Patient Outcomes→Travaux en français237 207→