Decreasing Medication Turnaround Time with Digital Scanning Technology in a Canadian Health Region
Notice bibliographique
Résumé
Background: Reducing medication turnaround time can improve efficiency, patient safety, and quality of care in the hospital setting. Digital scanning technology (DST) can be used to electronically transmit scanned prescriber orders to a pharmacy computer queue for verification and processing, which may help to improve medication turnaround time.Objectives: To evaluate medication turnaround time before and after implementation of DST for all medications and for antibiotics only.Methods: Medication turnaround times were evaluated retrospectively for periods before (June 6–10, 2011) and after (September 26–30, 2011) implementation of DST at 2 hospital sites in 1 health region. Medication turnaround time was defined as the time from composition of a medication order by the prescriber to its verification by the pharmacy (phase 1) and the time from prescriber composition to administration to the patient by a nurse (total). Median turnaround times were analyzed with SPSS software using the Mann–Whitney U test.Results: In total, 304 and 244 medication orders were audited before and after DST implementation, respectively. Median phase 1 turnaround time for all medications declined significantly, from 2 h 23 min before DST implementation to 1 h 33 min after DST implementation (p < 0.001). Antibiotics were also processed significantly faster (1 h 51 min versus 1 h 9 min, p = 0.015). However, total turnaround time for all medications did not differ significantly (5 h 15 min versus 5 h 0 min, p = 0.42).Conclusions: Implementation of DST was associated with a 50-min decrease in medication turnaround time for the period from when an order was prescribed to the time it was processed by the pharmacy. Regular evaluation of medication turnaround times is recommended to compare with benchmarks, to ensure that hospital standards are being met, and to measure the effects of policy changes and implementation of new technology on medication-use processes.RÉSUMÉContexte : La réduction des délais d’exécution d’ordonnances de médicaments peut améliorer l’efficacité, la sécurité des patients et la qualité des soins dans les hôpitaux. Une technologie de numérisation peut être utilisée pour envoyer, par des moyens électroniques, les ordonnances numérisées des prescripteurs aux files d’attente des ordinateurs de pharmacies afin qu’elles soient vérifiées et traitées, ce qui pourrait aider à améliorer leurs délais d’exécution.Objectifs : Déterminer les délais d’exécution d’ordonnances avant et après la mise en place d’une technologie de numérisation pour l’ensemble des médicaments et pour les antibiotiques seulement.Méthodes : Les délais d’exécution d’ordonnances ont fait l’objet d’une évaluation rétrospective pour les périodes précédant (du 6 au 10 juin 2011) et suivant (du 26 au 30 septembre 2011) la mise en place d’une technologie de numérisation dans deux hôpitaux d’une régie régionale de la santé. La phase 1 du délai d’exécution d’une ordonnance représentait la période allant de sa rédaction par le prescripteur à sa vérification en pharmacie et le délai total d’exécution d’une ordonnance était défini comme la période allant de sa rédaction par le prescripteur à l’administration du médicament au patient par le personnel infirmier. Les délais médians d’exécution ont été analysés par le logiciel SPSS à l’aide du test U de Mann–Whitney.Résultats : En tout, 304 et 244 ordonnances ont été évaluées respectivement avant et après la mise en place d’une technologie de numérisation. Le délai médian d’exécution relatif à la phase 1 s’est considérablement raccourci pour l’ensemble des médicaments, de 2 heures 23 minutes avant la mise en place de la technologie de numérisation à 1 heure 33 minutes après sa mise en place (p < 0.001). Les antibiotiques ont eux aussi été traités beaucoup plus rapidement (1 heure 51 minutes contre 1 heure 9 minutes, p = 0.015). Par contre, le délai total d’exécution pour l’ensemble des médicaments ne variait que très peu (5 heures 15 minutes contre 5 heures 0 minute, p = 0.42).Conclusions : La mise en place d’une technologie de numérisation a été associée à une réduction de 50 minutes de la portion du délai d’exécution d’ordonnances comprise entre la rédaction de l’ordonnance et le moment où elle était traitée à la pharmacie. Il est recommandé de faire l’évaluation régulière des délais d’exécution d’ordonnances afin de comparer à des étalons, de s’assurer que les standards de l’hôpital sont respectés et de mesurer l’influence des changements de politiques et de la mise en place de nouvelles technologies sur les processus de distribution des médicaments.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».