Drug‐Related‐Problem Outcomes and Program Satisfaction from a Comprehensive Brown Bag Medication Review
Notice bibliographique
Résumé
OBJECTIVES: To classify and quantify drug-related problems (DRPs), determine acceptance of DRP recommendations, and assess medication review satisfaction. DESIGN: Comprehensive brown bag medication reviews. SETTING: Six senior centers and three senior high-rises. PARTICIPANTS: Individuals aged 60 and older (mean age 75.9 ± 8.5) taking five or more medications (n = 85). MEASUREMENTS: Two investigators independently classified DRPs using modified Pharmaceutical Care Network Europe classification scheme and severity of medication error and value of service scales. Two other investigators adjudicated classification differences. Satisfaction surveys were administered immediately and 3 months after review. A DRP recommendation implementation survey was completed at least 3 months after the review. RESULTS: Participants had a mean of 4.3 ± 2.8 DRPs (range 0-10). DRPs were classified as adverse reactions (30%), treatment effectiveness (28%), treatment costs (13%), information need (8%), and other (21%). Causes included drug selection (40%), wrong dosage (23%), participant problems (e.g., adherence, lack of medication knowledge, 16%), drug use process problems (12%), drug formulation (0.5%), treatment duration (0.5%), and other (7%). Interventions required drug changes (44%), prescriber input (37%), individual counseling (18%), or other (1%). DRP severities were significant (59%) or minor (35%). Participants expressed satisfaction with the program because they were able to ask questions, trusted the answers, and knew more about their medications. After 3 months, they had implemented 63% of the DRP recommendations. CONCLUSION: Older adults found the medication review helpful and implemented 63% of the DRP recommendations.
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 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».