Notice bibliographique
Résumé
Shared decision making and high blood pressureEvidence-based practice has patients' values and preferences as one of its 3 pillars.To properly elicit this pillar, health professionals need to do shared decision making (SDM).To do SDM, clinicians need to be provided with information that would allow them to discuss with patients the risks of their medical condition, the different treatment options and the potential benefits and harms associated with these treatments.Hopefully, most pharmacists would wish to practise in this way.The decisions around the treatment of high blood pressure (HBP) are an ideal opportunity for SDM.There is solid evidence that some HBP treatments reduce cardiovascular disease (CVD) risk.However, it is important to remember that HBP for the good majority of patients is an asymptomatic risk factor that does not progress to morbidity, and most people, despite a lifetime of treatment, will not derive a CVD benefit. 1 In addition, all HBP pharmacologic treatments are associated with the potential for adverse effects, and all incur an inconvenience and cost that an individual patient would have to balance against the possibility of benefit.In their recent article in the January/February 2018 issue of CPJ, 2 the authors presented what they felt were the update highlights and the important elements from the most recent 2017 Hypertension Canada guidelines. 3 I read their article with the eye of seeing if one could extract information from this update that would help pharmacists engage in SDM.It was disappointing to find that within the 9 pages of this article, there was not a single mention of the following key aspects/treatment information
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,059 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,028 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,003 | 0,016 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».