Measuring Multimorbidity, Classifying Potentially Inappropriate Medications and Investigating Polypharmacy in Recipients of Medication Reviews and Pharmacy Dispensing Services Conducted by Ontario Community Pharmacists
Notice bibliographique
Résumé
Factors including aging and health related behaviours lead to multimorbidity, polypharmacy and potentially inappropriate medications (PIMs). Medication reviews conducted by community pharmacists can improve medication management. Patient data were extracted from three community pharmacies in Ontario. Multimorbidity scores and number of PIMs were determined. Construct validity was assessed via linear regressions with age and sex. Consistency among multimorbidity measures was assessed via Pearson correlation coefficients. The mean multimorbidity scores determined by disease counts, Charlson Index, Chronic Disease Score, Medication Based Disease Burden Index, and Rx-Risk measures were 4.9 (SD 2.3), 4.4 (SD 2.0), 7.1 (SD 3.6), 0.1 (SD 0.2), and 0.4 (SD 1.7) respectively. Most analyses supported construct validity and consistency among measures. Patients were taking a mean of 1.9 (SD 1.5) and 2.0 (SD 1.4) PIMs determined by the 2019 American Geriatrics Society Beers criteria and STOPP criteria respectively. The analyses can lead to the improved management of multimorbidity.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».