Acceptability of a short list of essential medicines to patients and prescribers
Notice bibliographique
Résumé
OBJECTIVE: To determine the acceptability of providing free access to only a short list of medicines used in the Carefully seLected and Easily Accessible at No charge Medications (CLEAN Meds) trial. DESIGN: A multimethod explanatory sequential design including interviews with trial participants and focus groups with prescribers. SETTING: Ontario. PARTICIPANTS: Participants in the intervention arm of the CLEAN Meds trial and primary care providers who prescribed medicines to those in the intervention arm of the trial. MAIN OUTCOME MEASURES: The number of trial participants in each prescription category (ie, prescribed no off-list medicine, prescribed 1 off-list medicine, or prescribed 2 or more off-list medicines) and the acceptability of the list to both participants and prescribers. RESULTS: There were 395 participants in the intervention group of the CLEAN Meds trial, but 16 participants withdrew consent or were not prescribed any medicines during the first 12 months of the trial, resulting in a total of 379 participants in the quantitative component of this study. Of the 2648 total prescriptions, 2349 (89%) were for medications that were on or had an equivalent covered by the list. Random sampling was used to select 5 participants to interview from each prescription category. A total of 19 prescribers participated in the focus groups. Themes from participant interviews included the following: having access to medicines on the list was a relief, participants trusted health care professionals to switch medicines and to decide which medicines should be on a publicly funded list, and a short list of essential medicines should be publicly funded. Major themes from the prescribers' focus groups related to the process of developing the list, support for the list, and publicly funding a short list of essential medicines in Canada. CONCLUSION: The consensus among trial participants and prescribers is that the short list of medicines used in the trial is comprehensive and provides access to medicines commonly prescribed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,072 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».