MétaCan
Menu
Retour à la cohorte
Enregistrement W2615961756

First-line medications for alcohol use disorders among public drug plan beneficiaries in Ontario.

2017· article· en· W2615961756 sur OpenAlexaffabout
Sheryl Spithoff, Suzanne D. Turner, Tara Gomes, Diana Martins, Samantha Singh

Notice bibliographique

RevuePubMed · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueSubstance Abuse Treatment and Outcomes
Établissements canadiensInstitute for Clinical Evaluative SciencesSt. Michael's HospitalWomen's College Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineAlcohol use disorderMedical prescriptionAcamprosatePopulationRetrospective cohort studyPublic healthFamily medicinePsychiatryEmergency medicinePediatricsNaltrexoneEnvironmental healthAlcoholInternal medicinePharmacologyNursing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine use of first-line alcohol use disorder (AUD) medications (naltrexone and acamprosate) among public drug plan beneficiaries in the year following an AUD diagnosis. DESIGN: Retrospective population-based cohort study. SETTING: Ontario. PARTICIPANTS: Individuals eligible for public drug plan benefits who had an AUD diagnosis at a hospital visit between April 1, 2011, and March 31, 2012. MAIN OUTCOME MEASURES: Number of AUD medications dispensed to public drug plan beneficiaries who had a recent hospital visit with an AUD diagnosis, and number of prescriptions dispensed per person. RESULTS: = .83). CONCLUSION: Very few public drug plan beneficiaries are dispensed first-line AUD medications in the year following an AUD diagnosis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,938
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

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

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 Opus0,087
Tête enseignante GPT0,273
Écart entre enseignants0,186 · 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'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

Citations34
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetSubstance Abuse Treatment and OutcomesTravaux en français237 207