MétaCan
Menu
Retour à la cohorte
Enregistrement W2547467223 · doi:10.1080/14737167.2017.1256775

Outcome of the second Medicines Utilisation Research in Africa Group meeting to promote sustainable and appropriate medicine use in Africa

2016· article· en· W2547467223 sur OpenAlexaff
Amos Massele, Johanita R. Burger, Francis Kalemeera, Mary Jande, Thatayaone Didimalang, Aubrey Chichonyi Kalungia, Kidwell Matshotyana, Michael R. Law, Brighid Malone, Olayinka O. Ogunleye, Margaret Oluka, Bene D. Anand Paramadhas, Godfrey Mutashambara Rwegerera, Sekesai Mtapuri‐Zinyowera, Brian Godman

Notice bibliographique

RevueExpert Review of Pharmacoeconomics & Outcomes Research · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiquePharmaceutical Economics and Policy
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineAlternative medicineFamily medicinePolitical scienceTraditional medicine

Résumé

récupéré en direct d'OpenAlex

The second Medicines Utilization Research in Africa (MURIA) group workshop and symposium again brought researchers together from across Africa to improve their knowledge of drug utilization (DU) methodologies and exchange ideas to further progress DU research in Africa. This built on extensive activities from the first conference including workshops and multiple publications. Anti-infectives were again the principal theme for the 2016 symposium following the workshops. This included presentations regarding strategies to improve antibiotic utilization among African countries, such as point-prevalence studies, as well as potential ways to reduce self-purchasing of antibiotics. There were also presentations on antiretrovirals including renal function and the impact of policy changes. Concerns with adherence in chronic treatments as well as drug-drug interactions and their implications were also discussed. The deliberations resulted in a number of agreed activities including joint publications before the next MURIA conference in Namibia in 2017.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,903
Score d'incertitude au seuil0,857

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,189
Tête enseignante GPT0,496
Écart entre enseignants0,307 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Review of Pharmacoeconomics & Outcomes ResearchMême sujetPharmaceutical Economics and PolicyTravaux en français237 207