MétaCan
Menu
Retour à la cohorte
Enregistrement W4410058230 · doi:10.52609/jmlph.v5i2.187

Optimizing Paediatric Paracetamol Dosing: Transitioning from Age-Based to Automated Weight-Based Calculations in Saudi Arabia

2025· article· en· W4410058230 sur OpenAlexvenueno aff
Yosra AlJabran, Sharafaldeen Bin Nafisah

Notice bibliographique

RevueThe Journal of Medicine Law & Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueElectrolyte and hormonal disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDosingMedicinePediatricsIntensive care medicinePharmacology

Résumé

récupéré en direct d'OpenAlex

Introduction: Paracetamol is one of the most commonly used over-the-counter (OTC) medications for managing conditions in paediatric patients. Objectives: Evaluate paediatric paracetamol dosing by age versus weight, and propose automated solutions for OTC dosing. Methods: A retrospective study compared weight-based (15mg/kg) to age-based dosing in children 0-13years of age. Results: A total of 352 paediatric patients were included, with a mean age of 5years, 4.8 months (SD=48 months) and a median weight of 16.9 kg (IQR:10.4 to 25.75).We observed that 71.59% of patients (n=252) are likely to be underdosed when using age-specific dosages rather than their actual weight. Conversely, 27.56% (n=97) could be overdosed, and only 0.85% (n=3) received an accurate dose. The discrepancies between the age-based and weight-based doses ranged from 1 mg to 928.5 mg per dose. We noted a correlation between the patient's weight and the variation in dose between the two different methods of dosing; r(350)=0.82, p<0.001. The regression was significant [F(1,350)=742.18, p<0.001], with 67.2% of the variability in dose difference explained by the patient's weight. The average difference in dose was 6.9 mg for every kilogram of the patient's weight. A linear regression analysis revealed that the patient's age was also a significant predictor of dose difference (F(1,350)=150.12, p<0.0001), with age explaining 29.8% of the variance. On average, the dose of paracetamol differed by 1.5 mg for each additional month of patient age (p<0.001). Expected impact: To optimise the dosing of OTC medication and enhance safety, we propose the use of supervised machine learning with Saudi growth charts, and the integration of a weight-based dosing calculator into the ‘Sehaty’ app.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,029
Tête enseignante GPT0,326
Écart entre enseignants0,297 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Medicine Law & Public HealthMême sujetElectrolyte and hormonal disordersTravaux en français237 207