MétaCan
Menu
Retour à la cohorte
Enregistrement W2767686226 · doi:10.1016/j.ssmph.2017.11.002

Becoming a ‘pharmaceutical person’: Medication use trajectories from age 26 to 38 in a representative birth cohort from Dunedin, New Zealand

2017· article· en· W2767686226 sur OpenAlexafffund
Peri J. Ballantyne, Pauline Norris, V. P. B. Parachuru, W. Murray Thomson

Notice bibliographique

RevueSSM - Population Health · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical studies and practices
Établissements canadiensUniversity of TorontoTrent University
Organismes subventionnairesMinistry of Health, British Columbia
Mots-clésMedicalizationCohortPsychological interventionMedicineCohort studyYoung adultDemographyGerontologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

Despite the abundance of medications available for human consumption, and frequent concerns about increasing medicalization or pharmaceuticalization of everyday life, there is little research investigating medicines-use in young and middle-aged populations and discussing the implications of young people using increasing numbers of medicines and becoming pharmaceutical users over time. We use data from a New Zealand longitudinal study to examine changes in self-reported medication use by a complete birth cohort of young adults. Details of medications taken during the previous two weeks at age 38 are compared to similar data collected at ages 32 and 26, and by gender. Major drug categories are examined. General use profiles and medicine-types are considered in light of our interest in understanding the formation of the young and middle-aging 'pharmaceutical person' - where one's embodied experience is frequently and normally mediated by pharmaceutical interventions having documented benefit/risk outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,137
Score d'incertitude au seuil0,860

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,233
Tête enseignante GPT0,488
Écart entre enseignants0,255 · 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

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSSM - Population HealthMême sujetPharmaceutical studies and practicesTravaux en français237 207