MétaCan
Menu
Retour à la cohorte
Enregistrement W4399749747 · doi:10.1007/s40264-024-01444-2

Proceedings of the Canadian Medication Appropriateness and Deprescribing Network’s 2023 National Meeting

2024· editorial· en· W4399749747 sur OpenAlexafffundabout
Tiphaine Pierson, Verna Arcand, Barbara Farrell, Camille Gagnon, Larry Leung, Lisa McCarthy, Andrea Murphy, Nav Persaud, Lalitha Raman‐Wilms, James Silvius, Michael A. Steinman, Cara Tannenbaum, Wade Thompson, Johanna Trimble, Cheryl A Sadowski, Emily G. McDonald

Notice bibliographique

RevueDrug Safety · 2024
Typeeditorial
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of AlbertaUniversité de MontréalUniversity of CalgaryAlberta Health ServicesAlberta HealthSt. Michael's HospitalUniversity of ManitobaTrillium Health CentreUniversity of British ColumbiaInstitut Universitaire de Gériatrie de MontréalBruyèreMcGill UniversityAssembly of First NationsUniversity of OttawaMcGill University Health CentreUniversity of WaterlooDalhousie UniversityUniversity of Toronto
Organismes subventionnairesHealth Canada
Mots-clésMedicineDeprescribingBeers CriteriaFamily medicinePolypharmacyIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Polypharmacy, often defined as the use of five or more medications, is associated with a higher incidence of adverse drug events (ADEs) [ 1 , 2 , 3 ], and strongly linked to patient falls, cognitive impairment, hospitalizations, and death [ 1 ]. Despite these risks, polypharmacy represents a growing problem in many countries [ 4 , 5 , 6 , 7 ]. In Canada, approximately two thirds of adults over the age of 65 years take five or more prescription medications, and about a quarter (26.5%) take ten or more [ 8 ]. Factors including sex, income, and education are associated with polypharmacy, with higher rates observed in women, people of low income, and of lower education [ 9 ]. Polypharmacy is also costly, and represents an environmental burden, with medication production and disposal contributing to the healthcare sector’s carbon footprint [ 10 , 11 ].

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,990

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,328
Écart entre enseignants0,291 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDrug SafetyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207