MétaCan
Menu
Retour à la cohorte
Enregistrement W4306974379 · doi:10.2174/1574886318666221020112722

Evaluation of the Factors Associated with Prescribed and Non-PrescribedMedicine: A Population-Based Study

2022· article· en· W4306974379 sur OpenAlexaff
Mehrnoosh Eskandari, Amir Bahmani, Mehdi Hoorang, Marziyeh Zare, Saba Afifi, Iman Karimzadeh, Soha Azadi, Ali Mohammad Sabzghabaee, Kamran Bagheri Lankarani, Fariba Ahmadizar, Payam Peymani

Notice bibliographique

RevueCurrent Drug Safety · 2022
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesVice-Chancellor for Research, Shiraz University of Medical Sciences
Mots-clésMedicinePopulationFamily medicineIntensive care medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Several factors influence medication patterns. The purpose of this study was to look into the role of social determinants in the use of prescribed and non-prescribed medications in a population-based setting of people over 18 in a southern metropolis of Iran (Shiraz) for 2 years. STUDY DESIGN: Prospective population-based cross-sectional. METHODS: This descriptive and cross-sectional survey was done in 2018-2020. A total of 1016 participants were randomly selected based on their postal codes and recruited to the study. The demographic characteristics (age, sex, and education), social profiles (insurance, supplementary insurance, health status, and daily exercise plan), and outpatient visits (family/general physician or specialist/ subspecialist) were recorded by gathering sheets. Descriptive analyses and multinomial logistic analyses were carried out using SPSS software. RESULTS: The medication use pattern was classified into three categories: non-prescribed type I, non-prescribed type II, and prescribed. The mean age of participants was 45.54 ± 15.82 years. The results indicated that most of them took their medication without a prescription (non-prescribed type II). However, people who had insurance and referred to a family physician commonly used the prescribed medications. This study also found that patients who visited a family doctor or a general practitioner used fewer prescribed drugs than those who visited a specialist. CONCLUSION: This study describes social determinants as additional effective factors in health services that influence the use of prescribed and non-prescribed medications in Shiraz. These evidence- based findings can help policymakers to plan the best programs.

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,246 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Drug SafetyMême sujetAntibiotic Use and ResistanceTravaux en français237 207