Development of a list of potentially inappropriate medication for the Chinese aged people
Notice bibliographique
Résumé
Objective To develop a list of potentially inappropriate medication(PIM) for the Chinese aged people and provide reference for prevention and reduce the medication risk of the aged people. Methods Based on the PIM lists of the United States, Canada, Japan, France, Norway, Germany, South Korea and Austria, and combined with the data of serious adverse drug reactions(ADR)in the aged people collected from China National Center for ADR Monitoring, ADR monitoring center in the People's Liberation Army, Beijing Center for ADR Monitoring and ADR data from Beijing 22 hospitals, we created a preliminary PIM list for the Chinese aged people. Using Delphi technique experts consultation was made for the initial list. Round 1 consultantation invited 32 experts, according to the expert advice to adjust the initial list, and form a revised list. Round 2 consultantation invited 38 experts, according to the expert advice to adjust revised list, and the final version of the PIM list formed. Results A total of 13-class 72 medications or medication classes were selected as the Chinese aged people PIM list, each medicine had 1-6 risk points. The list was divided according to the result of expert evaluation into 35 kinds of high risk medications and 37 kinds of low risk medications. In addition, according to the frequency of drug use, the medications were divided into A and B two categories, including 24 medications or medication classes as the preferred alert medications(A), 48 medications or medication classes as routinely alert medications(B). Conclusion PIM list for the Chinese aged people have been developed, which can be taken as reference to intervention and evaluation of China's elderly medication. Key words: Aged; Catalogs, drug; Delphi technique; Potentially inappropriate medication; Beers criteria
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 | 0,003 | 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 | 0,000 | 0,000 |
| 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 ».