Optimizing dose prediction: Weighing MDIs to accurately estimate remaining doses
Notice bibliographique
Résumé
Rationale Many metered dose inhalers (MDIs) currently do not have integrated dose counters and patients and healthcare providers in Canada do not have an accurate way to predict the number of remaining doses in a used MDI.Objective The objective of this study was to create equations that would convert weight of commonly used MDI and accurately predict the number of remaining doses in each inhaler and when the inhalers were functionally empty.Methods We weighed Teva-Salbutamol, Atrovent (Ipratropium), Alvesco (Ciclesonide), Flovent (Fluticasone) 125 mcg and 250 mcg, QVAR (Beclomethasone) 50 mcg and 100 mcg and Breztri (Budesonide, Glycopyrronium, Formoterol) MDIs after releasing every 2 doses and analyzed the data using a regression line. We aimed to validate the predictive accuracy of the equations for Teva-salbutamol.Main Results There was a near perfect correlation between weight and remaining doses for all 6 inhalers. The equations were validated and found to be accurate for Teva-salbutamol indicating our methods were sound and accurately predicted the number of remaining doses, when an MDI is functionally empty.Conclusions Equations using inhaler weight can be used to accurately predict remaining doses and to determine when the inhalers are functionally empty for the studied MDIs available in Canada. The equations can be used to prevent the use of empty inhalers and minimize medication waste.
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 | 0,002 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».