MétaCan
Menu
Retour à la cohorte
Enregistrement W2509241676 · doi:10.1097/jhq.0000000000000055

Medication Knowledge Among Older Adults Admitted to Home Care in Ontario During 2012–2013

2016· article· en· W2509241676 sur OpenAlexaboutno aff
Kim Sears, Kevin Woo, Joan Almost, Rosemary Wilson, Eliot Frymire, Marlo Whitehead, Elizabeth G. VanDenKerkhof

Notice bibliographique

RevueJournal for Healthcare Quality · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGerontologyMedicineFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medication use among Canadian seniors is widespread and increases with the number of comorbidities. Limited evidence exists on medication knowledge among seniors, especially in home care. PURPOSE: The purpose of this retrospective cohort study was to describe medication knowledge and ability to take medication among seniors admitted to home care in Ontario. RESULTS: Ten percent had little or no knowledge of what medication to take (n = 1,389/14,004) or an understanding of the purpose of their medications (n = 1,396/14,004). Increasing numbers of medications prescribed was associated with decreased knowledge of medications. The strongest predictor of limited knowledge and ability to take medication was dementia (odds ratio > 5.0). DISCUSSION: Among Ontario seniors living at home, knowledge about medications decreases as the number of medications increases. Therefore, this group may be at high risk of medication errors. CONCLUSION: Better systems are required to allow healthcare professionals to review with patients, any medications with patients and caregivers, to assist in addressing the decreased knowledge of medications. Such a system would provide the capacity to target those individuals at high risk for a medication error, as well as the medications and drug-drug interactions that seem most likely to be harmful among older adults.

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)0,003
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 enseignants0,021
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,145
Tête enseignante GPT0,477
Écart entre enseignants0,333 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for Healthcare QualityMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207