Retrospective evaluation of prescribing pattern and utilization of antiepileptic drugs in pediatric, neurosurgery, and psychiatry wards: A comparative study to the standard treatment guidelines
Notice bibliographique
Résumé
Antiepileptic drugs (AED) are progressively utilized for off-label conditions other than epilepsy, like bipolar disorder and migraine. The objective of this study was to evaluate current prescribing patterns and utilization of AED in pediatric, neurosurgery, and psychiatry wards and to compare them to the standard treatment guidelines. A descriptive, cross-sectional study was conducted in Ayyub Teaching Hospital, Abbottabad from December 1st, 2018 to April 2019. Data on demographic and clinical characteristics, utilization patterns of AED, adherence to standard treatment guidelines, and frequency of potential drug-drug interactions were analyzed using descriptive statistics. Among 410 patients, 54.3% (n = 223) were male, 45.6%(n = 187) were female, and 63.7% (n = 261) were from the 1 to 18 years' age group. The majority 47.3% (n = 194) were from the pediatric ward followed by neurosurgery 28.7%(n = 118). Among the studied patients, 96.1% of them had comorbid conditions other than epilepsy alone. With regards to types of seizures unclassified seizures were the most common seizure type (59.8%; n = 245) followed by generalized tonic clonic seizures 23.4% (n = 96). In this study, the most frequently utilized AED was sodium valproate 59.0% (n = 242) followed by antiepileptic first-generation medicines were commonly used (76.3%). Although a total of 77.6% of the patients showed nonadherence to National Institute for Health and Care Excellence guidelines and 87.6% of them showed drug interactions. Findings from this study showed prescription patterns and utilization of AED in patients with epilepsy and non-epilepsy disorders which may help healthcare providers in making accurate clinical decisions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».