A Standardized, Structured Approach to Identifying Drug-Related Problems in the Intensive Care Unit: FASTHUG-MAIDENS
Notice bibliographique
Résumé
Pharmacy practice in the intensive care unit (ICU) is complex, because of the high acuity of patients’ conditions and the large number of medications prescribed. Therefore, many pharmacists, especially those not familiar with ICU care, may feel overwhelmed and apprehensive in this setting. There is currently no standardized, structured approach to help pharmacists provide pharmaceutical care in the ICU. For that reason, routine tasks such as identifying drug-related problems are much harder to perform, and drug therapy is not always optimized. In 2005, the FASTHUG mnemonic was proposed as a standardized approach to help ICU physicians ensure that all essential aspects of care for critically ill patients are met. Implementation of the FASTHUG approach in a surgical ICU was subsequently shown to decrease the rates of ventilator-associated pneumonia. Although the mnemonic has been generally well received, some clinicians have modified it to better augment their particular ICU practices. Notably, the FASTHUG mnemonic was not designed to identify drug-related problems commonly seen in the ICU. Therefore, we developed a modified mnemonic, FASTHUG-MAIDENS, as a standardized, structured approach to identifying drug-related problems in the ICU (Table 1).
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».