MétaCan
Menu
Retour à la cohorte
Enregistrement W2914781067 · doi:10.1111/jgs.15800

Assessing the Scope and Appropriateness of Prescribing Cascades

2019· review· en· W2914781067 sur OpenAlexaff
Lisa McCarthy, Jessica D. Visentin, Paula A. Rochon

Notice bibliographique

RevueJournal of the American Geriatrics Society · 2019
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensWomen's College HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePolypharmacyScope (computer science)Intensive care medicineClinical PracticeRisk analysis (engineering)Family medicineComputer science

Résumé

récupéré en direct d'OpenAlex

As originally defined, the term "prescribing cascade" describes a sequence of events that begins when an adverse drug event (ADE) occurs, is misinterpreted as a new medical condition, and a subsequent drug is then inadvertently prescribed to treat the new condition. We refine the definition to encompass both recognized and unrecognized ADEs because they can both contribute to problematic prescribing practices. In addition, we discuss that although prescribing cascades are most commonly viewed as problematic, they may be appropriate and therapeutically beneficial in certain clinical situations. We differentiate between appropriate and problematic prescribing cascades by adopting a similar approach to the framework proposed in the highly acclaimed King's Fund report Polypharmacy and Medicines Optimization. Practical considerations are also presented to aid clinicians in preventing the propagation of problematic prescribing cascades within their clinical practice. Providing new perspectives on the scope and appropriateness of the prescribing cascade concept is an important step in describing clinically relevant cascades and in encouraging safe prescribing practices. J Am Geriatr Soc 67:1023-1026, 2019.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,250
Tête enseignante GPT0,479
Écart entre enseignants0,229 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations92
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Geriatrics SocietyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207