Evaluación de los contenidos de información de medicamentos en un grupo de agencias reguladoras de medicamentos
Notice bibliographique
Résumé
OBJETIVO: Evaluar las diferencias de informacion publicada por el Invima y otras Autoridades Reguladoras de Medicamentos en relacion a un grupo de variables seleccionadas y analizar las diferencias aplicando estrategias de visualizacion de datos. METODOLOGIA: Estudio descriptivo de corte transversal, en el cual se comparan las diferencias en la informacion de medicamentos publicada en las agencias reguladoras de medicamentos. Para la definicion de los criterios de comparacion, mas relevantes se utilizo la tecnica Delphi como metodologia de consenso. Las visualizaciones fueron desarrolladas en Roassal, en el entorno de programacion de Grafoscopio/Pharo. RESULTADOS Y CONCLUSIONES: De 24 variables en las que hubo acuerdo de considerarlas importantes y claves por el panel de expertos; el 96% se identificaron en la Aemps, MHRA e Infarmed; el 92% en Anmat, TGA, Anvisa, Health Canada y FDA; el 80% en Anamed. El grupo de agencias en las que se identifico una menor cantidad de informacion publicada fueron Cofepris, Invima, Direccion Nacional de Farmacias y Drogas de Panama, Digemid, Arcsa y el Ministerio de Salud publica de Uruguay en las que se identifico el 67%, 58%, 46%, 46%, 38% y 4%, respectivamente. Las ausencias comunes de informacion en el grupo de agencias con menor cantidad de informacion se presento en las variables relacionadas con usos fuera de indicacion (off-label), gestion del riesgo, efectos adversos, restricciones especiales, precauciones y advertencias, prospecto, almacenamiento y resumen de las caracteristicas del producto, es decir que mayor la limitacion se presenta en la informacion relacionada con prescripcion y uso.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».