Impact de la loi de Vanessa sur la déclaration des événements indésirables associés aux médicaments antiplaquettaires
Bibliographic record
Abstract
Les médicaments antiplaquettaires (ex. : acide acétylsalicylique, clopidogrel, ticagrelor, prasugrel) sont grandement utilisés en cardiologie pour la prévention primaire ou secondaire des événements athérothrombotiques et peuvent être à l’origine des événements indésirables (EI) graves. Selon une étude internationale, seulement 5 % des EI médicamenteux sont déclarés aux autorités de santé; ce qui nous pousse à émettre un questionnement sur la qualité de la surveillance populationnelle quant aux EI. Au Canada, la Loi de Vanessa a été mise en application en 2019 pour renforcer la réglementation visant à protéger les Canadiens contre les médicaments dangereux. Cette loi rend obligatoire la déclaration des EI graves par les établissements de soins de santé et services sociaux. Nous avons cependant peu de connaissance quant à la déclaration des EI associés aux antiplaquettaires. Objectif : Étudier l’impact de la Loi de Vanessa sur la déclaration des EI associés aux antiplaquettaires à l’Institut universitaire de cardiologie et de pneumologie de Québec-Université Laval (IUCPQ-ULaval), Canada. Méthode : Une étude descriptive rétrospective a été menée. Il s’agit d’une sous-étude d’un projet de plus grande envergure mené par l’équipe de la professeure Jacinthe Leclerc, incluant un échantillon de 500 patients hospitalisés à l’IUCPQ sur une période de 4 ans (de janvier 2018 à décembre 2021), et sélectionnés de façon aléatoire par une archiviste de l’IUCPQ, soit 4 cohortes annuelles de 125 patients/an (total n = 500). Par la suite, tous les patients ayant prix au moins un agent antiplaquettaire pendant leur séjour hospitalier ont été identifiés à partir de l’échantillon initial, ce qui a permis d’obtenir pour cette étude un échantillon de 260 patients. Les informations telles que les données démographiques, la durée d'hospitalisation, les médicaments pris pendant le séjour hospitalier ainsi que les EI ont été extrait des dossiers médicaux électroniques (DMÉ) des patients et des analyses descriptives ont été effectuées pour la caractérisation de l’échantillon à l’étude (médiane, minimum- maximum, proportion). Les raisons des hospitalisations ont été codées selon la Classification statistique internationale des maladies et des problèmes de santé connexes, 10e version, Canada (CIM-10-CA). Résultats : Les 260 adultes randomisés pour les cohortes de 2018, 2019, 2020 et 2021 ont été hospitalisés pour des maladies cardiovasculaires (CIM-10-CA : I00-I99 ; 73 %) ou des maladies du système respiratoire (J00-J99, 7 %). L’âge médian était de 70 ans (min-max : 21-96). La durée médiane de séjour à l’hôpital était de 3 jours (min-max : 1-15 jours). Environ 1 395 EI ont été enregistrés parmi lesquels 166 EI graves. Toutefois, aucun n’avait été déclaré à Santé Canada. Conclusion : Les résultats de cette étude n’ont pas permis d’observer au sein de notre échantillon un effet positif de la Loi de Vanessa sur la déclaration des EI associés aux antiplaquettaires. A notre connaissance, ce projet a permis de dresser le tout premier portrait des tendances de déclaration des EI associés aux antiplaquettaires au Canada.
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 | 0.035 | 0.099 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| 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".