Off-Label and Unlicenced Medicine Use among Hospitalised Children in South Africa: Practice and Policy Implications
Notice bibliographique
Résumé
BACKGROUND: Information regarding off-label and unlicensed medicine use among South African children is limited. This is a concern as the prescribing of off-label and unlicensed medicines can lead to issues of effectiveness and safety as well as raise liability issues in the event of adverse events. This potentially exposes physicians to legal penalties. Consequently, we sought to determine the prevalence of off-label and unlicensed medicine use among paediatric patients in South Africa to provide future direction. METHODS: This study retrospectively examined the use of medicine in a point-prevalence survey study (PPS) involving paediatric patients aged (0-2 years) admitted to selected public hospitals in Gauteng Province, South Africa. Data were collected per hospital over two days between February 2022 and July 2022. Demographics, duration of treatment, diagnosis, and medicines prescribed were collected from patient medical records using a mobile application. Prescribed medicines were reviewed against the medicine formularies and other databases to assess their appropriateness. RESULTS: From three academic hospitals, 184 patient records were reviewed. A total of 592 medicines were dispensed, of which 379 (64.0%) were licensed and 213 (36.0%) were used off-label/unlicensed for paediatric patients 0-2 years of age. The most prevalent off-label and unlicensed medicines were multivitamins (n = 32, 15.0%) and ampicillin injections (n = 15, 7.0%). CONCLUSION: The frequency of unlicensed and off-label medicine prescribing shown in this study is consistent with the literature and can be considered high. This practice can pose a risk because it adversely affects patients if not properly regulated. Attention is needed to ensure future high-quality, safe, and effective use of medicines.
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 | 0,002 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».