A Quantitative Review of Un-licensed and Off-label Medicines Use in Children Aged 0-2 Years in the Private Sector in South Africa: Extent, Challenges, and Implications
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
BACKGROUND: The global lack of suitable formulations for children leads to off-label and unlicensed medicine use, posing significant risks of adverse effects. Understanding this usage on a national level can help guide interventions for better formulations. This study aimed to measure the prevalence of off-label and unlicensed medicines among children in South Africa's private sector. METHODS: The study used a point prevalence methodology to review medicine use in children aged 0-2 years enrolled in a selected pharmaceutical benefit management company in South Africa from January to June 2022. A sample size of 1055 prescriptions was calculated using a 90% confidence interval, 50% prevalence rate, and 5% error margin. A systematic random sampling approach selected every 7th entry from 91,973 total entries, resulting in a final sample size of 13,139. Data included patient age, number and characteristics of medicines, quantity, and indications. Descriptive statistics analysed and reported the prevalence of unlicensed and off-label medicine use. RESULTS: Among the 13,139 prescribed medicines, 40% (5,246) were off-label or unlicensed, and 60% (7,893) were on-label. Of the off-label/unlicensed medicines, 16.85% (2,214) were unlicensed, and 23.08% (3,032) were off-label. Methylprednisolone was the top off-label medicine, probiotics were the top unlicensed, and the ICD10 code Z76.9 was the top diagnosis. CONCLUSION: The study found that 40% of children aged 0-2 years were prescribed unlicensed or off-label medicines in South Africa's private healthcare sector between January and June 2022. This suggests a widespread practice of off-label or unlicensed prescriptions in paediatric treatment in the South African private sector.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle