MétaCan
Menu
Retour à la cohorte
Enregistrement W2604208164 · doi:10.3233/978-1-61499-742-9-238

Consumer Medication Information: Similarities and Differences Between Three Canadian Pharmacies

2017· article· en· W2604208164 sur OpenAlexaffabout
Helen Monkman, André Kushniruk

Notice bibliographique

RevueStudies in health technology and informatics · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Literacy and Information Accessibility
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésReadabilityPharmacyPresentation (obstetrics)Medical prescriptionInteractivityHealth literacyLiteracyComputer scienceeHealthAdvertisingMedicineFamily medicineMultimediaPsychologyBusinessNursingHealth carePolitical science

Résumé

récupéré en direct d'OpenAlex

Prescription medication use is prevalent. When a new prescription medication is dispensed, Consumer Medication Information (CMI) is provided to communicate various important aspects of the medication (e.g., benefits, administration instructions, potential side effects). However, CMI is not regulated and differs from pharmacy to pharmacy. This study explores the similarities and differences between the CMI from three pharmacies (two paper print outs and one online source) for a single medication. The three CMI were assessed in terms of readability and utility. This evaluation revealed drastic differences in the length of the CMI (Range = 453 to 2 337 words). The online CMI was longer, described more topics and provided more detail than the print versions. Although online CMI has the advantage of interactivity to expedite navigation to specific topics of interest (e.g., heading links) and searching for key words, this CMI was not layered but rather presented as one long continuous page. Consumers with lower eHealth literacy skills may be deterred by the length of the document. As CMI makes the shift to online presentation an improved understanding of optimal information organization and media presentation will be needed.

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)0,002
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,063
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,009
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,172
Tête enseignante GPT0,499
Écart entre enseignants0,327 · 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

Citations4
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetHealth Literacy and Information AccessibilityTravaux en français237 207