Electronic prescribing in an ambulatory care setting: a cluster randomized trial
Notice bibliographique
Résumé
RATIONALE, AIMS AND OBJECTIVES: Medication-prescribing errors with adverse drug events impose substantial harms on patients and health systems. Medication errors resulting in preventable adverse drug events most commonly occur at the ordering stage. Electronic prescribing may prevent such errors but its impact has not been rigorously evaluated. METHODS: We conducted a pragmatic cluster randomized controlled trial in academic hospital ambulatory clinics to evaluate the effects of a commercially available electronic prescribing software system on total prescription error ratio. Secondary outcomes included the number of callbacks for clarification from community pharmacies to physicians' clinics. RESULTS: Twenty-six physicians used the electronic prescribing system, writing 1980 prescriptions during 44 intervention weeks when the electronic prescribing system was available (7.6% of these were electronic, the remainder handwritten) and 973 prescriptions during 22 control weeks while the system was switched off (1.4% electronic, prescribed in the previous intervention week, but issued with delay). The total prescription error rate was 118/1980 (6.0%) in intervention weeks and 57/973 (5.9%) in control weeks (P = 0.91). During the intervention period more callbacks requesting clarification were made to clinic administrators (n = 83, 1.89 per week) than during control weeks (n = 32, 1.45 per week; P < 0.001). CONCLUSION: Implementation of the electronic prescribing system had no impact on total prescription error, and increased the callback rate. In spite of intensive user support, few prescriptions in intervention weeks were made using the electronic system. Given the costs, training requirements, workflow redesigns and regulatory hurdles, additional evaluations of outpatient prescribing on clinically important outcomes are needed.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».