Measuring the Impact of Pharmacist Intervention: Results of Patient Education about Osteoporosis after Fragility Fracture
Notice bibliographique
Résumé
ABSTRACT Background: Fragility fractures are physical manifestations of osteoporosis, yet studies show undertreatment of osteoporosis after such fractures. Objective: To determine the impact of pharmacist-initiated patient education on osteoporosis knowledge, modification of risk factors, and prescribed therapy after fragility fractures. Methods: A pilot educational intervention was prospectively evaluated over a 5-month period at Kingston General Hospital, Kingston, Ontario. Patients older than 45 years who had recently sustained a fragility fracture (n = 23) were contacted 12 to 14 weeks after an educational intervention to determine if their osteoporosis knowledge had improved, if they had modified their risk factors, and if discussion with the family physician had led to bone mineral density assessment and/or osteoporosis treatment. Postdischarge reviews of the subjects’ charts were used to determine if patients with fragility fracture were routinely assessed for osteoporosis at the study hospital. Results: The proportion of patients who had discussed osteoporosis with their physicians increased (p = 0.024), which led to greater use of antiresorptive agents (p Conclusions: Pharmacists can improve a patient’s knowledge of osteoporosis, stimulate discussion with their family physician, and influence treatment rates. However, single teaching sessions do not influence modifiable osteoporosis risk factors, so continuous encouragement may be necessary. RESUME Historique : Les fractures de fragilite osseuse sont une manifestation physique de l’osteoporose; malgre ce fait, les etudes montrent que le traitement de l’osteoporose est insuffisant a la suite de telles fractures. Objectif : Determiner l’impact d’une intervention educative entreprise par le pharmacien aupres des patients sur la connaissance de l’osteoporose, la modification des facteurs de risque et le traitement prescrit par suite d’une fracture de fragilite. Methodes : Une intervention educative pilote a ete evaluee de facon prospective sur une periode de cinq mois au Kingston General Hospital, a Kingston, en Ontario. De 12 a 14 semaines apres l’intervention educative, on a communique avec les patients de plus de 45 ans qui avaient souffert recemment d’une fracture de fragilite (n = 23) pour determiner s’ils avaient une meilleure connaissance de l’osteoporose, s’ils avaient modifie leurs facteurs de risque et s’ils avaient subi une evaluation de la densite minerale osseuse et (ou) recu un traitement contre l’osteoporose apres avoir consulte leur medecin de famille. L’examen des dossiers des patients ayant subi une fracture de fragilite a servi a determiner apres leur conge s’ils avaient fait systematiquement l’objet d’une evaluation relative a l’osteoporose a cet hopital. Resultats : La proportion de patients qui avaient discute d’osteoporose avec leur medecin avait augmente (p = 0,024), ce qui a entraine une plus grande utilisation d’inhibiteurs de la resorption osseuse (p Conclusions : Les pharmaciens peuvent ameliorer la connaissance qu’ont les patients de l’osteoporose, favoriser leurs discussions avec leur medecin de famille et exercer une influence sur les taux de traitement. En revanche, les seances d’information uniques n’ont aucun effet sur les facteurs de risque modifiables de l’osteoporose; un soutien suivi peut donc etre necessaire.
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 | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».