MétaCan
Menu
Retour à la cohorte
Enregistrement W4225085559 · doi:10.1136/bmjhci-2021-100540

‘Improving smart medication management’: an online expert discussion

2022· review· en· W4225085559 sur OpenAlexaff
David W. Bates, Hsiang-Yin Cheng, NT Cheung, R. K. Jew, Fraz Mir, Robyn Tamblyn, Yu‐Chuan Li

Notice bibliographique

RevueBMJ Health & Care Informatics · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueMedication Adherence and Compliance
Établissements canadiensMcGill University
Organismes subventionnairesBD
Mots-clésSAFERPatient safetyMedicineHealth careQuality (philosophy)Electronic prescribingMedical emergencyNursingMedical educationComputer sciencePharmacyPolitical scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Medication safety continues to be a problem inside and outside the hospital, partly because new smart technologies can cause new drug-related challenges to prescribers and patients. Better integrated digital and information technology (IT) systems, improved education on prescribing for prescribers and greater patient-centred care that empowers patients to take control of their medications are all vital to safer and more effective prescribing. In July 2021, a roundtable discussion was held as a spin-off meeting of the International Forum on Quality and Safety in Health Care Europe 2021 to discuss challenges and future direction in smart medication management. This manuscript summarises the discussion focusing on the aspects of digital and IT systems, safe prescribing, improved communication and education, and drug adherence.

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)0,016
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,083

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0020,003
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,179
Tête enseignante GPT0,469
Écart entre enseignants0,290 · 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'étudeQualitatif
Domainenon disponible
GenreSynthèse

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

En bref

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ Health & Care InformaticsMême sujetMedication Adherence and ComplianceTravaux en français237 207