How complete are drug history profiles that are based on public drug benefit claims?
Notice bibliographique
Résumé
BACKGROUND: In Canada, programs are being developed to supply hospital emergency departments and family doctors with electronic access to their patientsâ drug history profiles. While some of these programs have access to databases that capture information about all out-patient prescriptions that are dispensed to an individual, regardless of payer; others do not, and rely upon claims paid by their provincial drug benefit plans. The completeness of these latter profiles is unknown. OBJECTIVES: To estimate the percentage of Ontario seniors who use private drug insurance (as an indicator of the potential for a âpublicâ drug history profile to be incomplete) and to describe the kinds of medications for which private insurance is used. METHODS: Cross-sectional time series analysis of Ontario Drug Benefit (ODB) claims and private drug insurance claims for Ontario residents aged 65 years or older (seniors) covering the period January 2000 to December 2005. RESULTS: During the study period, approximately 95% of Ontario seniors filled at least one prescription paid by the provincial drug benefit plan. By comparison, approximately 15-20% filled a prescription paid by a private insurer. Compared to the 20 drugs most frequently subsidized by the ODB Program (all but one of which had ODB full benefit status), the top privately-purchased drugs were more diverse: 8 had ODB full benefit status; 4 had ODB Limited Use status (which requires that patients meet prespecified clinical criteria for coverage); 3 required individual clinical review (prior authorization) by the ODB Program; and 5 were ODB non-benefits. CONCLUSIONS: Many Ontario seniors are at risk for an incomplete ODB drug history profile. Further research is needed to confirm whether this causes problems for physicians and patients.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».