Unused Medication Collection: An Emerging Service-Learning Experience for Pharmacy Students
Notice bibliographique
Résumé
While the U.S. makes up around 5% of the world’s population, we consume approximately 75% of the world’s prescription drugs—well over 4 billion prescriptions per year. Approximately one third of those are never used, creating an array of public health challenges. These challenges include land and water pollution; unintentional inappropriate use and unintentional human, pet, and wildlife poisonings; and intentional drug abuse and diversion. Misuse of prescription drugs now exceeds that of all illegal drugs combined. Reducing the number of medications prescribed is of primary importance, as well as collecting unnecessary medications from households and disposing of them through environmentally friendly methods. There are a variety of medication collection methods, including public take-back events, permanent drop boxes at pharmacies, collection by police departments, as well as prepaid mailers available from some pharmacies and the Internet. When bulk medication is collected at take-back events or by police departments, it is generally quantified as “pounds collected,” with no determination of specific medications collected, quantities of prescribed medications left unused, or length of household storage beyond the expiration date. Pharmacy students are uniquely positioned to explore these unknowns and develop solutions with their high level of drug expertise. This research study combined with community service events involved the collaboration of pharmacy students with environmentalists, community volunteers, and law enforcement officers to collect and analyze unwanted medications, as well as explore factors pertinent to this public hazard.
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 | 0,006 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,004 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,003 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,004 |
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 ».