The effect of pharmacist-led medication review in high-risk patients in the emergency department: an evaluation protocol
Notice bibliographique
Résumé
BACKGROUND: Adverse drug events are unintended and harmful events related to medication use. They are a leading cause of visits to the emergency department, unplanned admissions to hospital and death. Adverse drug events can be misdiagnosed in the emergency department, resulting in treatment delays. Our objective was to describe a process to evaluate the effect of pharmacist-led medication review in high-risk patients in the emergency department on the number of days these patients subsequently spent in hospital within 30 days of their index visit. METHODS: We describe the evaluation of a prospective multicentre quality improvement program. During the evaluation period, triage nurses will flag incoming patients to the emergency department at high risk for adverse drug events by applying a clinical decision rule consisting of 4 variables (comorbid conditions, antibiotic use within 7 days, medication changes within 28 days and age). Consecutive eligible patients will be enrolled in the study and systematically allocated to either a pharmacist-led medication review group or a control group. In the intervention group, pharmacists will collect best-possible medication histories, review the patient's medications for appropriateness and adverse drug events, and communicate the results of their medication review to patients, caregivers and physicians. In the control group, nurses will start medication reconciliation by collecting best-possible medication histories, and physicians will refer patients to onsite pharmacists for specific medication management questions as needed. Health outcomes will be assessed using anonymized data linkage to administrative health databases. The primary outcome will be the percent days spent in hospital over a 30-day period. INTERPRETATION: This protocol describes the methods for evaluating the effect of pharmacist-led medication review in high-risk patients in the emergency department on use of health services, and highlights the methodological challenges that will be encountered. We plan to disseminate the results of this evaluation through articles published in peer-reviewed journals, presentations at scientific meetings and briefing notes to institutional, provincial and national stakeholders.
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 | 0,051 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».