Reduction of inappropriate exit prescriptions for proton pump inhibitors: A before‐after study using education paired with a web‐based quality‐improvement tool
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Proton pump inhibitors (PPIs) are overprescribed despite concerns regarding associated adverse drug events. OBJECTIVE: To reduce inappropriate PPI prescriptions using hospitalization as the point of contact to effect meaningful change. DESIGN: Before-after study design. SETTING: Forty-six-bed medical clinical teaching unit in a 417-bed university teaching hospital in Montreal, Canada. PATIENTS: Four hundred sixty-four consecutively admitted patients in the preintervention control group, and 640 consecutively admitted patients in the intervention group. INTERVENTION: A monthly educational intervention paired with a Web-based quality improvement tool. MEASUREMENTS: We determined the proportion of patients admitted on PPIs, their indications, and appropriateness of use. We then compared the proportion of patients whose PPIs were discontinued at discharge before and after our intervention. RESULTS: Forty-four percent of patients were already using a PPI prior to their hospitalization. In evaluated patients, only 54% of these patients had an evidence-based indication for ongoing use. The proportion of PPIs discontinued at hospital discharge increased from 7.7% per month in the 6 months prior to intervention, to 18.5% per month postintervention (P = 0.03). CONCLUSIONS: Strategies to combat PPI overuse are needed to improve the overall quality of patient care. We significantly reduced discharge prescriptions for PPIs through the implementation of an educational initiative paired with a Web-based quality improvement tool. An active interventional strategy is likely required considering the increasingly recognized and preventable adverse events associated with PPI misuse.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle