Quality and Usability of Common Drug Information Databases
Bibliographic record
Abstract
Background: Pharmacists’ access to user-friendly electronic drug information databases that can quickly provide accurate, up-to-date information has become increasingly important. Unfortunately, decisions about purchasing subscriptions to such services are not always made objectively. Previously published studies have compared drug information databases, but there are no recent analyses from the perspective of Canadian hospital pharmacists.Objective: To determine overall preferences among the most commonly used online drug information databases, based on an appraisal of the quality, performance, and usability of the databases and users’ preferences.Methods: Qualitative and quantitative analyses with descriptive and inferential statistics were used to compare the Clinical Pharmacology, Lexi-Comp Online, and Micromedex databases. Quality scores were determined from investigators’ consensus ratings across 5 categories of quality indicators. Performance scores were determined according to the ability of a database to answer 15 clinical drug information questions. Usability scores were determined from user ratings in 7 domains. Users’ preferences were assessed through rankings of the databases by 26 practising pharmacists.Results: The highest quality and performance scores were awarded to Lexi-Comp Online, whereas Micromedex received the lowest overall usability score, attributable to poor scores for layout, navigation, and speed. Lack of Canadian content was identified as a major disadvantage of the Clinical Pharmacology database. Users ranked Micromedex significantly lower than the other databases, whereas the majority of users ranked Lexi-Comp Online as the most preferred database. Conclusions: Lexi-Comp Online appeared to be the most preferred database, whereas Micromedex was clearly the least preferred database. These findings should be considered in future decisions about purchasing database subscriptions.RÉSUMÉContexte : L’accès des pharmaciens à des bases de données en ligne conviviales sur les médicaments pouvant fournir des renseignements actuels et précis est de plus en plus important. Malheureusement, les décisions d’acheter ou non des abonnements ne sont pas toujours prises de façon objective. Des études publiées ont comparé des bases de données sur les médicaments, mais il n’existe pas d’analyses récentes du point de vue des pharmaciens des établissements du Canada.Objectif : Déterminer les préférences générales parmi les bases de données en ligne sur les médicaments les plus courantes, d’après une évaluation de la qualité, de la performance et de la convivialité des bases de données, et des préférences des utilisateurs.Méthodes : Des analyses qualitative et quantitative combinées à des statistiques descriptives et inférentielles ont été utilisées pour comparer les bases de données Clinical Pharmacology, Lexi-Comp Online et Micromedex. Les scores de qualité ont été déterminés à partir de cotes consensuelles des chercheurs relativement à cinq catégories d’indicateurs de qualité. Les scores de performance ont été déterminés d’après la capacité d’une base de données à répondre à 15 demandes d’information clinique sur des médicaments. Les scores de convivialité ont été déterminés à partir de cotes attribuées par les utilisateurs dans 7 domaines. Les préférences des utilisateurs ont été évaluées à partir du classement des bases de données par 26 pharmaciens actifs.Résultats : Les scores de qualité et de performance les plus élevés ont été attribués à la base de données Lexi-Comp Online, alors que Micromedex a reçu le score de convivialité le plus bas, attribuable à de faibles notes au chapitre de la mise en page, de la navigation et de la vitesse. Une absence de contenu canadien a été reconnue comme un inconvénient majeur de la base de données Clinical Pharmacology. Les utilisateurs ont accordé à la base de données Micromedex une cote significativement inférieure aux autres bases de données, alors que la majorité des utilisateurs ont classé la base de données Lexi-Comp Online comme la préférée.Conclusions : La base de données Lexi-Comp Online semblait être la base de données préférée, alors que Micromedex a été classée incontestablement au dernier rang. Ces résultats devraient être pris en compte dans les décisions d’achat d’abonnements à des bases de données.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".