Procjena potrebe za depreskripcijom inhibitora protonske pumpe u bolesnika starije životne dobi
Bibliographic record
Abstract
Cilj istraživanja: Cilj je ovog istraživanja procijeniti racionalnost korištenja inhibitora protonske pumpe (IPP) kod bolesnika starije životne dobi i pomoću kriterija sastavljenih prema smjernicama Depreskripcija inhibitora protonske pumpe (Canadian family physician), odrediti udio bolesnika kojima bi depreskripcija IPP-a donijela korist. Ispitanici i metode: Istraživanje je provedeno na uzorku 391 bolesnika starije životne dobi u sklopu EuroAgeism Horizon 2020 projekta. Podaci su prikupljeni u javnim ljekarnama pomoću upitnika razvijenog za potrebe ovog istraživanja. Na temelju smjernica za depreskripciju IPP-a (Depreskripcija inhibitora protonske pumpe, Canadian family physician) definirano je pet kriterija prema kojima se odlučivalo o potrebi za depreskripcijom IPP-a kod bolesnika koji su ih imali u terapiji. Rezultati: U ispitivanju je sudjelovao 391 ispitanik (248 žena i 143 muškarca). Prosječna je dob ispitanika 74,33 (SD=10,65) godine, a u terapiji su imali prosječno šest lijekova. IPP je koristilo 122 (32,0%) ispitanika, a najčešće korišteni bio je pantoprazol. Pomoću kriterija za depreskripciju dobiveni su rezultati da bi 25 (20,5%) ispitanika moglo imati korist od depreskripcije IPP-a. Najviše ispitanika kandidati su za depreskripciju prema kriteriju C: Navedena indikacija za IPP je gastroprotekcija, ali ne postoji jasna potreba za njom, a iza njega slijedi kriterij B: indikacija je prisutna u bolesnikovoj anamnezi, ali ne uključuje dugotrajno korištenje IPP-a, te je trenutno trajanje terapije predugo. Zaključak: Rezultati ovog istraživanja ukazali su na potrebu za racionalnijim korištenjem IPP-a u bolesnika starije životne dobi te su pokazali u kojim bi situacijama bolesnici od depreskripcije mogli imati koristi. Smjernice i kriteriji koji definiraju potrebu za depreskripcijom mogli bi biti vrijedan alat i pridonijeti racionalizaciji uporabe IPP-a. Potencijalna korist depreskripcije bila bi povećanje racionalizacije farmakoterapije IPP-ovima; manji broj lijekova u terapiji, smanjenje mogućnosti pojave interakcija s drugim lijekovima ili nuspojava do kojih može doći zbog dugotrajne primjene te financijska ušteda za zdravstveni sustav i bolesnike.
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 | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".