MétaCan
Menu
Retour à la cohorte
Enregistrement W3183725186 · doi:10.1017/s0714980821000234

Potentially Inappropriate Medication Use in the Elderly

2021· article· en· W3183725186 sur OpenAlexaff
Lesley Charles, Elena Kumar, Eimad Elghol, Bonnie Dobbs, Peter George Jaminal Tian, Оксана Бабенко

Notice bibliographique

RevueCanadian Journal on Aging / La Revue canadienne du vieillissement · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineGeriatricsDemographicsBeers CriteriaPolypharmacyRetrospective cohort studyEmergency medicinePediatricsInternal medicineDemographyPsychiatry

Résumé

récupéré en direct d'OpenAlex

It is estimated that approximately half of adults, older than 65 years of age, have been prescribed potentially inappropriate medications (PIMs). This study's objective was to determine the prevalence of PIM use among older patients. Two retrospective chart reviews were performed on 200 and 164 older patients who underwent comprehensive geriatric assessments (CGAs) at outpatient geriatrics clinics at the Glenrose Rehabilitation Hospital (Glenrose) in 2012-13 and at the Misericordia Community Hospital (Misericordia) in 2016-17, respectively. Outcome measures included demographics; prevalence of PIM use; common PIMs used; whether PIM use was addressed, and if so, how; and total number of oral medications. At the Glenrose, the prevalence of PIM use was 45 per cent (90/200). Of the 90 patients who had used PIMs, 46.7 per cent (42/90) had at least one of their medications stopped or modified. At the Misericordia, the prevalence of PIM use was 57.3 per cent (94/164). Of the 94 patients who used PIMs, 47.9 per cent (45/94) had at least one of their medications stopped or modified. These results suggest that an increased awareness of PIM among physicians is needed to further decrease PIM use.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,049
Tête enseignante GPT0,296
Écart entre enseignants0,247 · 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'étudeObservationnel
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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal on Aging / La Revue canadienne du vieillissementMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207