Older Adults Living with Osteoarthritis: Examining the Relationship of Age and Gender to Medicine Use
Bibliographic record
Abstract
RÉSUMÉ L’ostéoarthrite (OA) chez les personnes âgées constitue une condition chronique et répandue associée à des douleurs importantes d’invalidité. L’utilisation d’analgésiques par voie orale est un élément central de la gestion des symptômes. L’utilisation de médicaments par cette population, cependant, est complexe et la nécessité de contrôler les symptômes doivent être mis en balance avec les préoccupations concernant la sécurité des médicaments. Notre étude s’est concentrée à illustrer et à explorer les variations entre divers médicaments différents utilisés pour gérer les symptômes liés à l’ostéoarthrite. Nous avons analysé les données provenant d’un échantillon de personnes âgées de 55 ans et plus, qui vivent dans les communautés, et qui souffrent d’arthrite de la hanche ou du genou pour examiner les facteurs sociaux et médicaux associés à la variation dans les médicaments rapporté. Une conclusion principale est que les types de médicaments utilisés par les patients atteints d’ostéoarthrite varient selon l’âge et le sexe, indépendamment de la maladie et du contexte médical et social. Les explications possibles ont été considérés comme relatives aux préférences des patients et des professionnels.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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 source (direct Gemma or distilled Codex), 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".