MétaCan
Menu
Retour à la cohorte
Enregistrement W2061294015 · doi:10.4212/cjhp.v62i4.809

Unintended Medication Discrepancies Associated with Reliance on Prescription Databases for Medication Reconciliation on Admission to a General Medical Ward

2009· article· en· W2061294015 sur OpenAlexaffvenueabout
Kelli Kalb, Stephen Shalansky, Michael Legal, Nadia Khan, Irene Ma, Garth Hunte

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2009
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of British ColumbiaUniversity of CalgaryVancouver Coastal Health
Organismes subventionnairesnon disponible
Mots-clésMedical prescriptionMedicineMedical recordHarmEmergency medicineDatabaseHospital admissionMEDLINEFamily medicinePediatricsInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

Background: In a recent study, 50% of the patients who were admitted to a hospital’s general medicine ward had at least one error in medication orders at the time of admission related to inaccuracies in the medication history. The use of computerized prescription databases has been suggested as a way to improve medication reconciliation at the time of admission.Objective: To quantify and describe unintended discrepancies between a best possible medication history and medications ordered on admission to the general medicine ward in a hospital with routine access to a provincial outpatient prescription database (British Columbia’s PharmaNet).Methods: This prospective study involved 20 patients who were regularly using at least 4 prescription medications before admission to hospital. The best possible medication history for each patient (based on a review of the medical chart and the PharmaNet record and an interview with the patient) was compared with the physician’s admission orders to identify any discrepancies. The frequency and perceived severity of discrepancies, graded independently by 3 physicians, were compared with observations from a similar study conducted at a hospital where a prescription database was not available.Results: The 20 patients were recruited between September 2005 and January 2006. For 8 patients (40%), information in the PharmaNet database was consistent with the prescription medication list obtained during the best possible medication history at the time of admission. For the other 12 patients, a total of 30 unintended discrepancies were identified, 13 (43%) of which were classified as having potential for moderate or severe harm. The proportion of patients with unintended discrepancies was similar to that for the comparison cohort (60% versus 54%). Although the percentage of discrepancies involving omissions was lower than in the comparison population (37% versus 46%), these results were offset by a higher proportion of commission discrepancies (27% versus 0%).Conclusion: Unintended discrepancies were frequent, despite use of the PharmaNet database at the time of admission. Inconsistencies between the PharmaNet record and patients’ actual medication use, coupled with failure to verify PharmaNet data with patients, were likely contributing factors.RÉSUMÉ Contexte : Dans une récente étude, 50 % des patients admis à une unité de médecine générale avaient au moment de leur admission au moins une erreur d’ordonnance de médicament liée à une histoire médicamenteuse inexacte. Il a été suggéré de recourir à des bases de données informatisées sur les ordonnances comme moyen d’améliorer le bilan comparatif des médicaments à l’admission.Objectif : Quantifier et décrire les différences accidentelles entre le meilleur schéma thérapeutique possible et les ordonnances de médicaments rédigées à l’admission à l’unité de médecine générale en ayant un accès courant à la base de données provinciale sur les ordonnances externes (PharmaNet, en Colombie-Britannique).Méthodes : Il s’agit d’une étude prospective de 20 patients qui prenaient couramment au moins quatre médicaments d’ordonnance avant leur admission à l’hôpital. Le meilleur schéma thérapeutique possible pour chaque patient (établi grâce à l’étude du dossier médical et du registre PharmaNet et à un entretien avec le patient) a été comparé aux ordonnances rédigées à l’admission par le médecin pour détecter toute différence. La fréquence et l’importance perçue des disparités classées indépendamment par trois médecins ont été comparées aux observations tirées d’une étude similaire menée dans un hôpital où il n’y avait pas d’accès à une telle base de données.Résultats : Les 20 patients ont été recrutés entre septembre 2005 et janvier 2006. Chez huit patients (40 %), l’information dans la base de données PharmaNet concordait avec la liste de médicaments d’ordonnance obtenue du meilleur schéma thérapeutique possible relevé au moment de l’admission. Pour les 12 autres patients, on a noté un total de 30 différences accidentelles, dont 13 (43 %) ont été classées comme ayant un potentiel délétère modéré à grave. La proportion de patients chez qui on a observé des différences accidentelles était similaire à celle de la cohorte de référence (60 % contre 54 %). Bien que le pourcentage de différences impliquant des omissions était plus faible que celui de la cohorte de référence (37 % contre 46 %), ces résultats ont été contrebalancés par une proportion plus élevée de différences de commission (27 % contre 0 %).Conclusion : Les différences accidentelles étaient fréquentes malgré le recours à la base de données PharmaNet au moment de l’admission. Des disparités entre le registre PharmaNet et les médicaments réels du patient, jumelées à l’absence de vérification des données tirées de PharmaNet avec les patients, constituaient vraisemblablement des facteurs contribuant à de telles différences accidentelles.

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)0,013
score de la tête « metaresearch » (Gemma)0,103
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,103
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,406
Écart entre enseignants0,279 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations19
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207