The effect of early in‐hospital medication review on health outcomes: a systematic review
Notice bibliographique
Résumé
AIMS: Adverse drug events are an important cause of emergency department visits, unplanned admissions and prolonged hospital stays. Our objective was to synthesize the evidence on the effect of early in-hospital pharmacist-led medication review on patient-oriented outcomes based on observed data. METHODS: We systematically searched eight bibliographic reference databases, electronic grey literature, medical journals, conference proceedings, trial registries and bibliographies of relevant papers. We included studies that employed random or quasi-random methods to allocate subjects to pharmacist-led medication review or control. Medication review had to include, at a minimum, obtaining a best possible medication history and reviewing medications for appropriateness and adverse drug events. The intervention had to be initiated within 24 h of emergency department presentation or 72 h of admission. We extracted data in duplicate and pooled outcomes from clinically homogeneous studies of the same design using random effects meta-analysis. RESULTS: We retrieved 4549 titles of which seven were included, reporting the outcomes of 3292 patients. We pooled data from studies of the same design, and found no significant differences in length of hospital admission (weighted mean difference [WMD] -0.04 days, 95% confidence interval [CI] -1.63, 1.55), mortality (odds ratio [OR] 1.09, 95% CI 0.69, 1.72), readmissions (OR 1.15, 95% CI 0.81, 1.63) or emergency department revisits at 3 months (OR 0.60, 95% CI 0.27, 1.32). Two large studies reporting reductions in readmissions could not be included in our pooled estimates due to differences in study design. CONCLUSIONS: Wide confidence intervals suggest that additional research is likely to influence the effect size estimates and clarify the effect of medication review on patient-oriented outcomes. This systematic review failed to identify an effect of pharmacist-led medication review on health outcomes.
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 | 0,021 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,012 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».