Management of cough in patients with idiopathic interstitial lung diseases in primary care
Notice bibliographique
Résumé
IMPORTANCE: Cough is a common symptom in idiopathic interstitial lung diseases (ILDs), there is little information of its management in primary care. The objective of this study was to explore the frequency of cough-related consultations and the medications prescribed to patients with ILDs in primary care. METHODS: This retrospective cohort study used electronic medical records (EMR) from Manitoba primary care providers participating in the Manitoba Primary Care Research Network repository (2014-2019). Cough-related consults and the subsequent medications prescribed to patients with ILDs were identified in the EMR. RESULTS: 295 patients with ILDs were identified, 73 (25%) of them had 141 cough-related consultations (mean 1.9, SD 1.3) during the period studied. In 50 (35%) of the consultations, patients were prescribed one or more of the following: inhaled bronchodilators (34%), nasal corticoids (18%), codeine/opiates (18%), antibiotics (14%), inhaled corticoids (14%), proton pump inhibitors (8%), cough preparations (6%), antihistamines (4%), and oral corticoids (2%). 13 (26%) subsequent cough-related consultations were identified within 6 months, mainly among patients who were prescribed cough preparations, nasal corticoids, antihistamines, and antibiotics. CONCLUSION: One-quarter of patients with ILDs consulted primary care due to cough, and about a third of them received a prescription to address potentially underlying causes of cough. Although further studies are required to explore the effect of the medications prescribed, recurrent cough consultations suggested that cough preparations, nasal corticoids, and antihistamines are among the least effective treatments. More research is needed to understand the causes and optimal treatment of cough in patients with ILDs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».