A methodology pathway to develop a Computer Drug Safety program in Primary health care setting based on clinical audit
Notice bibliographique
Résumé
Objective: Medications management is an area in Primary health care (PHC) and General Practice (GP) setting where decision making is very important. Computer Decision Support program have been developed to help primary physicians in their decisions and have proved effective in improving the process of care and promising in economic issues.Methods: In order to create a Computer Drug Safety (CDS) program for managing oral anticoagulant therapy for use in PHC and GP setting with developed Information Technology (IT) System and established electronic Health Records (eHRs), we used clinical audit (a real-life practice analysis) as the methodology framework. We assumed that this method would enable a proposed CDS program to cope with clinical complexity of GP patients taking oral anticoagulants and also suggest this method as the operative framework for Quality of Care (QC) improvement and practice research.Results: By using clinical audit, we were able to identify the list of elements necessary for building up a feasible CDS program for a long-term oral anticoagulant therapy surveillance, for use in PHC and GP setting. According to this list of elements, we were able to create a paper based concept (a schemata) for this program development. This CDS program would not be a simple drug-dose calculator, but a comprehensive software support system integrated within the existing IT work applications.Conclusions: The main benefits, expected from this proposed CDS program, include: learning from work experience, oral anticoagulant QC improvement, better patients compliance to long-term treatment with the drug warfarin, practice performance follow up and practice research.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».