Medication errors associated with the use of ethanol and fomepizole as antidotes for methanol and ethylene glycol poisoning
Notice bibliographique
Résumé
INTRODUCTION: Little is known about medication errors which occur with the antidotes ethanol and fomepizole, used for treatment of methanol and ethylene glycol poisoning. Study objectives were to describe and compare the frequency, type, outcome and underlying causes of medication errors associated with ethanol and fomepizole. METHODS: Patients aged ≥13 years were included if they were hospitalized in 1996-2005 for methanol or ethylene glycol poisoning and treated with ethanol or fomepizole. Charts from 10 hospitals were separately reviewed by two abstracters who recorded case details. A consensus panel of clinicians used the abstracted data to identify medication errors and classify error outcome. Fisher's exact test determined significant differences in the proportion of ethanol and fomepizole-treated cases with medication error and univariate logistic regression identified risk factors associated with harmful dosage errors. RESULTS: There were 145 ethanol- and 44 fomepizole-treated cases. There was ≥1 medication error in 113/145 (78%) ethanol- and 20/44 (45%) fomepizole-treated cases (p = 0.0001) with more ethanol-related errors involving excessive dose, inadequate monitoring and inappropriate antidote duration. Harmful errors occurred in 19% of ethanol- and 7% of fomepizole-treated cases (p = 0.06) and were largely due to excessive antidote dose or delayed antidote initiation. Occurrence of harmful dosage error was reduced in cases with Poison Control Centre consultation, odds ratio (95% confidence interval) 0.39 (0.17, 0.91), hemodialysis 0.37 (0.16, 0.88), or fomepizole versus ethanol 0.24 (0.06, 1.04). CONCLUSION: Fomepizole was less prone to medication error than ethanol. Error-related harm was most commonly due to excessive antidote dose or delayed antidote initiation.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».