L’exposition à la polymédication diffère-t-elle entre les milieux ruraux et urbains? : une revue descriptive des écrits
Bibliographic record
Abstract
CONTEXTE : La consommation de plusieurs médicaments, la polymédication, s'accentue dans la population. Elle touche particulièrement les aînés et les personnes souffrant de maladies chroniques. Toutefois, l'impact du lieu de résidence (urbain ou rural) sur ce phénomène est encore peu documenté. BUT : Cette revue descriptive vise à explorer les écrits portant sur l'association entre le lieu de résidence, rural ou urbain, et le nombre de médicaments consommés et la présence de polymédication. MÉTHODE : La consultation de Medline et Embase avec les mots clés polypharmacie, rural, urbain et défavorisation, entre 2000 à 2017, a permis d'identifier onze articles répondant aux critères d'inclusion. RÉSULTATS : Les études ont été réalisées dans dix pays (Canada=1). Des onze articles inclus, dix concernaient les aînés. La polymédication était plus fréquente en milieu urbain dans six études; une étude indiquait le contraire et quatre études ne démontraient pas de différence. L'âge avancé, le nombre accru de maladies chroniques et une faible santé auto-rapportée étaient associés à la polymédication. CONCLUSION : Les données sur l'influence du milieu de résidence sur la polymédication semblent conflictuelles. Des variations interrégionales et interpays sont importantes, rendant la généralisation difficile. Des études sont nécessaires pour déterminer si les écarts enregistrés sont le résultat d'un accès aux soins différents, de variations dans la prévalence des maladies ou dans la qualité des prescriptions.
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 | 0.009 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.007 | 0.011 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".