MétaCan
Menu
← Back to cohort
Record W2800212708

[no title]

2018· article· fr· W2800212708 on OpenAlexaff
Kevin Pottie, Wade Thompson, Simon Davies, Jean Grenier, Cheryl A Sadowski, Vivian Welch, Anne Holbrook, Cynthia M. Boyd, Robert Swenson, Andy Ma, Barbara Farrell

Bibliographic record

VenuePubMed · 2018
Typearticle
Languagefr
FieldMedicine
TopicPharmaceutical Practices and Patient Outcomes
Canadian institutionsMental Health Research CanadaUniversité de MontréalSt. Joseph’s Healthcare HamiltonUniversity of AlbertaOttawa Public Health
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy
DOInot available

Abstract

fetched live from OpenAlex

OBJECTIF: Formuler des lignes directrices fondées sur les données probantes visant à aider les cliniciens à décider du moment et de la façon sécuritaire de réduire la dose des agonistes des récepteurs des benzodiazépines (BZRA) pour mettre fin au traitement; se concentrer sur le niveau le plus élevé des données disponibles et obtenir les commentaires des professionnels de première ligne durant le processus de rédaction, de révision et d’adoption des lignes directrices. MÉTHODES: L’équipe comptait 8 cliniciens (1 médecin de famille, 2 psychiatres, 1 psychologue clinique, 1 pharmacologue clinique, 2 pharmaciennes cliniques et 1 gériatre) et une spécialiste de la méthodologie; les membres ont divulgué tout conflit d’intérêts. Nous avons eu recours à un processus systématique, y compris l’approche GRADE (Grading of Recommendations Assessment, Development and Evaluation) pour formuler les lignes directrices. Les données ont été générées par une revue systématique d’études portant sur la déprescription des BZRA contre l’insomnie, de même que par une revue des revues sur les torts liés à la poursuite du traitement par BZRA et des synthèses narratives sur les préférences des patients et les répercussions sur les ressources. Ces données et le score GRADE de qualité des données ont servi à formuler les recommandations. L’équipe a peaufiné le texte sur le contenu et les recommandations des lignes directrices par consensus et a synthétisé les considérations cliniques afin de répondre aux questions des cliniciens de première ligne. Une version préliminaire des lignes directrices a été révisée par les cliniciens et les intervenants. RECOMMANDATIONS: Nous recommandons d’offrir la déprescription (réduction lente de la dose) des BZRA à tous les patients âgés (≥ 65 ans) sous un BZRA, sans égard à la durée de l’usage, et suggérons d’offrir la déprescription (réduction lente de la dose) à tous les adultes de 18 à 64 qui prennent un BZRA depuis plus de 4 semaines. Ces recommandations visent les patients qui prennent un BZRA contre l’insomnie seule (insomnie primaire) ou l’insomnie comorbide lorsque les comorbidités sous-jacentes sont efficacement prises en charge. Ces lignes directrices ne visent pas les personnes atteintes d’autres troubles non traités du sommeil ou d’anxiété, de dépression, ou d’autres troubles physiques ou de santé mentale pouvant causer ou aggraver l’insomnie. CONCLUSION: Les agonistes des récepteurs des benzodiazépines sont liés à des torts, et leur effet thérapeutique serait bref. La réduction graduelle de la dose de BZRA améliore le taux d’abandon comparativement aux soins habituels, et ce, sans causer de torts graves. Les patients seraient plus ouverts à une conversation sur la déprescription s’ils comprennent le pourquoi (potentiel de torts), participent à l’élaboration du plan de réduction de la dose et reçoivent des conseils en matière de comportement. Les présentes lignes directrices émettent des recommandations pour décider du moment et de la façon de réduire la dose de BZRA pour mettre fin au traitement. Elles visent à contribuer au processus de décision conjointement avec le patient et non à le dicter.

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 imitation

Not 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.

metaresearch head score (Codex)0.037
metaresearch head score (Gemma)0.130
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.913
Threshold uncertainty score0.000

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0370.130
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.002
Bibliometrics0.0030.002
Science and technology studies0.0030.003
Scholarly communication0.0070.009
Open science0.0020.005
Research integrity0.0030.003
Insufficient payload (model declined to judge)0.0870.025

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.

Opus teacher head0.225
GPT teacher head0.397
Teacher spread0.171 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations3
Published2018
Admission routes1
Has abstractyes

Explore more

Same venuePubMed→Same topicPharmaceutical Practices and Patient Outcomes→French-language works237,207→