PERSPECTIVA FUTURA DE LA FARMACOEPIDEMIOLOGÍA EN LA ERA DEL “BIG DATA” Y LA EXPANSIÓN DE LAS FUENTES DE INFORMACIÓN
Notice bibliographique
Résumé
La llegada de nuevos medicamentos al mercado exige muchos años de investigación previa junto con la evaluación continua de sus resultados durante toda la vida del medicamento. Ello justifica la necesidad de la investigación farmacoepidemiológica, entendida como el estudio del uso y los efectos de los medicamentos en grandes poblaciones. En la actualidad, este tipo de investigación parece más factible que nunca, habida cuenta de la expansión que han experimentado de las fuentes de información por la incorporación masiva de datos, (por ejemplo, registros clínicos de pacientes o historia clínica electrónica). No obstante, ante el entusiasmo que suscita el “Big Data”, se debe tener en cuenta el riesgo de sobreinformación, de evidencia fragmentada y que su naturaleza mayoritariamente observacional está sujeta a sesgos y confusión. La utilización de los métodos epidemiológicos en este escenario se antoja fundamental para su análisis. En definitiva, el manejo y aprovechamiento de estas fuentes de información en expansión para generar información útil constituye el próximo desafío para la aplicación de los métodos de investigación en la farmacoepidemiología moderna.
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 | 0,051 | 0,269 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,009 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; 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 ».