MétaCan
Menu
Retour à la cohorte
Enregistrement W1977960312 · doi:10.12927/hcq.2012.22842

Medication Reconciliation in the Hospital: What, Why, Where, When, Who and How?

2012· review· en· W1977960312 sur OpenAlexaff
Olavo Fernandes, Kaveh G Shojania

Notice bibliographique

RevueHealthcare Quarterly · 2012
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésHarmObligationProcess (computing)Health careTask (project management)Patient safetyMedication ReconciliationMedicinePsychologyNursingMedical emergencyComputer sciencePolitical scienceSocial psychologyLaw

Résumé

récupéré en direct d'OpenAlex

Medication reconciliation arose as the solution to the well-documented patient safety problem of unintentionally introducing changes in patients' medication regimens due to incomplete or inaccurate medication information at transitions in care. Unfortunately, medication reconciliation has often been misperceived as a superficial administrative accounting task with a "pre-occupation with completing forms," resulting in the implementation of ineffective processes. In this article, the authors briefly review the evidence supporting medication reconciliation but focus more on key practical questions regarding the elements of an effective medication reconciliation process: what it should consist of, where and when it should occur, who should carry it out and how hospitals should implement it. The authors take the why of medication reconciliation to consist not just of the professional obligation to avoid causing harm, but also of a rational self-interest on the part of healthcare leaders. The authors argue that, rather than wasting time implementing a nominal reconciliation process, we should invest time and energy in a more robust and effective strategy, and they address specific practical questions that arise in such an effort.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,205
Tête enseignante GPT0,447
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations70
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207