Overuse of medications in low- and middle-income countries: a scoping review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objective: To identify and summarize the evidence about the extent of overuse of medications in low- and middle-income countries, its drivers, consequences and potential solutions. Methods: We conducted a scoping review by searching the databases PubMed®, Embase®, APA PsycINFO® and Global Index Medicus using a combination of MeSH terms and free text words around overuse of medications and overtreatment. We included studies in any language published before 25 October 2021 that reported on the extent of overuse, its drivers, consequences and solutions. Findings: We screened 3489 unique records and included 367 studies reporting on over 5.1 million prescriptions across 80 low- and middle-income countries - with studies from 58.6% (17/29) of all low-, 62.0% (31/50) of all lower-middle- and 60.0% (33/55) of all upper-middle-income countries. Of the included studies, 307 (83.7%) reported on the extent of overuse of medications, with estimates ranging from 7.3% to 98.2% (interquartile range: 30.2-64.5). Commonly overused classes included antimicrobials, psychotropic drugs, proton pump inhibitors and antihypertensive drugs. Drivers included limited knowledge of harms of overuse, polypharmacy, poor regulation and financial influences. Consequences were patient harm and cost. Only 11.4% (42/367) of studies evaluated solutions, which included regulatory reforms, educational, deprescribing and audit-feedback initiatives. Conclusion: Growing evidence suggests overuse of medications is widespread within low- and middle-income countries, across multiple drug classes, with few data of solutions from randomized trials. Opportunities exist to build collaborations to rigorously develop and evaluate potential solutions to reduce overuse of medications.
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.
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 | 0,010 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle