MétaCan
Menu
Retour à la cohorte
Enregistrement W3107585939 · doi:10.2147/rmhp.s281629

<p>Prescription and Non-Prescription Drug Classification Systems Across Countries: Lessons Learned for Thailand</p>

2020· article· en· W3107585939 sur OpenAlexaboutno aff
Doungporn Leelavanich, Noppadon Adjimatera, Lawanworn Broese Van Groenou, Puree Anantachoti

Notice bibliographique

RevueRisk Management and Healthcare Policy · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensnon disponible
Organismes subventionnairesChulalongkorn University
Mots-clésMedical prescriptionDrugMedicineFamily medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The drug classification system, as prescription or non-prescription drug category, has been utilized as a regulatory strategy to ensure patient safety. In Thailand, the same system has been used for decades, though the drug classification criteria were updated to accommodate drug re-classification in 2016. These new criteria, however, have not been applied retroactively. Inconsistency in drug classification has been observed leading to concerns regarding the drug classification system. This has prompted the need for a review of the drug classification system in Thailand. This study aims to explore Thailand and other selected countries' regulatory management regarding the drug classification system, drug classification criteria, and drug classification itself. METHODS: The drug classification systems of the United States, the United Kingdom, Japan, Singapore, Malaysia, the Philippines, and Canada were selected to study alongside Thailand's system. The regulatory review was conducted through each country's drug regulatory agency website and available published research. Complementary interviews with drug regulatory authorities were conducted when written documentation was unclear and had limited access. Fifty-two common drugs were selected to compare their actual classifications across the different countries. RESULTS: All selected countries classified drugs into two major groups: prescription drugs and non-prescription drugs. The studied countries further sub-classified non-prescription drugs into 1-4 categories. Principles of drug classification criteria among countries are similar; they comprised of three themes: disease characteristics, drug safety profile, and other drug characteristics. Actual drug classification of antibiotics, dyslipidemia treatments, and hypertension treatments in Thailand are notedly different from other countries. Furthermore, 77.4% of drugs studied in Thailand fall into the behind-the-counter (dangerous) drug category, which varied from antihistamines to antibiotics, dyslipidemia treatments, and vaccines. CONCLUSION: Thailand's drug classification criteria are comparable with other nations; however, there is a need to review drug classification statuses as many drugs have been classified into improper drug categories.

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)0,025
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0030,003
Communication savante0,0090,009
Science ouverte0,0020,004
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,319
Écart entre enseignants0,280 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRisk Management and Healthcare PolicyMême sujetAntibiotic Use and ResistanceTravaux en français237 207