MétaCan
Menu
Retour à la cohorte
Enregistrement W3132120580

국내외 제도 비교를 통한 폐의약품 관리 개선 방안

2019· article· ko· W3132120580 sur OpenAlexaboutno aff
김호정, 최예지, 이인향

Notice bibliographique

Revue한국임상약학회지 · 2019
Typearticle
Langueko
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacy and Medical Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusinessEnforcementVariety (cybernetics)LegislationEnvironmental planningPolitical scienceLawGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background: At the end of the‘Waste Drug Disposal Project’, collection and disposal of waste drugs remain a social issue. Objective: This study aimed to provide suggestions to improve the drug waste management system in Korea by comparing domestic and overseas relevant programs. Methods: This is a comparative study between South Korea, Australia, Canada, France, and the US. These overseas countries were selected because they have been operating waste drug management programs continuously to date. Comparison was conducted by a pre-determined analysis frame including legal regulation, enforcement program and its performance. Results: All selected countries except Australia had legal regulations on drug wastes. The US had the largest variety of drug waste disposal methods. Canada had recommended that pharmacies actively participate in drug waste withdrawal programs. France had the largest variety of methods to promote relevant programs, including window sticker, SNS, and app, as well as the highest level of awareness and participation. Australia had the lowest level of awareness and participation in pharmaceutical waste management programs. Pharmaceutical companies took responsibility of paying for these programs in the selected overseas countries. Conclusion: Further efforts should be made to establish a clear guideline including the role of pharmaceutical companies, and to develop various methods for the public to be aware of appropriate ways of disposing drug wastes in Korea.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,293
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,1100,037

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 Opus0,146
Tête enseignante GPT0,497
Écart entre enseignants0,351 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue한국임상약학회지Même sujetPharmacy and Medical PracticesTravaux en français237 207