Pilot study of a pharmaceutical care intervention in an outpatient lung transplant clinic
Notice bibliographique
Résumé
BACKGROUND: Lung transplant recipients have complex drug regimens. Study objectives were to assess drug therapy problems (DTPs), pharmacist recommendations, and patient satisfaction with pharmacist services. METHODS: Using a pharmaceutical care assessment process, pharmacists identified DTPs and made therapeutic recommendations. Number of DTPs identified per pharmacist visit was calculated and compared to standard care visits through retrospective chart review. Potential clinical impact of recommendations was evaluated by blinded clinicians. Patient satisfaction was assessed via survey. RESULTS: Fifty-five DTPs were identified in 43 patients over 50 pharmacist visits (1.05 ± 1.34 DTPs per visit). In these same patients, rate of DTP identification was 0.51 ± 0.64 DTPs per standard visit in the preceding two-wk period (p = 0.018 vs. pharmacist visit). The most common DTPs identified by the pharmacist were adverse drug effect (27%) and untreated indication (25%). Overall, 62% of pharmacist recommendations were rated very significant or significant. Survey return rate was 58% and satisfaction scores ranged from 3 to 5 out of 5. Review of medications and teaching regarding the use of medications received the most "very satisfied" and "highly important" scores. CONCLUSIONS: Pharmacists can make valuable contributions in a lung transplant clinic setting by identifying DTPs and making recommendations with a positive impact on patient outcomes and satisfaction.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».