Constructing treatment episodes from concomitant medication logs: a prospective observational study
Notice bibliographique
Résumé
OBJECTIVES: To describe an approach using concomitant medication log records for the construction of treatment episodes. Concomitant medication log records are routinely collected in clinical studies. Unlike prescription and dispensing records, concomitant medication logs collect utilisation data. Logs can provide information about drug safety and drug repurposing. DESIGN: A prospective multicentre, multicohort observational study. SETTING: Twenty-one clinical sites in the USA, Europe, Israel and Australia. PARTICIPANTS: 415 subjects from the de novo cohort of the Parkinson's Progression Markers Initiative. METHODS: We construct treatment episodes of concomitant medication use. The proposed approach treats temporal gaps as a stoppage of medication and temporal overlaps as simultaneous use or changes in dose. Log records with no temporal gaps were combined into a single treatment episode. RESULTS: 5723 concomitant medication log records were used to construct 3655 treatment episodes for 65 medications. There were 405 temporal gaps representing a stoppage of medication; 985 temporal overlaps representing simultaneous regimens of the same medication and 2696 temporal overlaps representing a change in dose regimen. The median episode duration was 37 months (IQ interval: 11-73 months). CONCLUSIONS: The proposed approach for constructing treatment episodes offers a method of estimating duration and dose of treatment from concomitant medication log records. The accompanying recommendations guide log data collection to improve their quality for drug safety and drug repurposing.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».