Retrospective Audit of Medication Order Turnaround Time after Implementation of Standardized Definitions
Notice bibliographique
Résumé
Background: Standardizing the interpretation of “stat”, “emergent”, “urgent”, and “now” medication orders can improve patient safety. However, the effect of implementing standardized definitions on the turnaround time for medication orders in hospital pharmacy dispensaries has not been studied.Objectives: To examine the effects of using formal definitions for “stat”, “emergent”, “urgent”, and “now” on turnaround time for medication orders within a pharmacy dispensary.Methods: Definitions for “stat”, “emergent”, “urgent”, and “now” orders, as well as for “turnaround time”, were developed from the formal literature and the grey literature. The definitions were implemented by educating all pharmacy staff. Retrospective audits of turnaround time were conducted at baseline (for all orders over a 1-month period) and after implementation of the definitions (for a total of 28 days over a 3-month period). Health records and medication orders were used to calculate time from prescribing to administration (total turnaround time) and time from prescribing to departure from the dispensary (dispensary turnaround time). Differences between total and dispensary turnaround times were compared with nonparametric statistics.Results: During the baseline audit period, 84 (1.1%) of 7787 orders were identified as “stat”, “emergent”, “urgent”, or “now”. After implementation of the formal definitions, 142 (2.6%) of 5365 orders were identified by one of these terms. The percentage of orders meeting the target dispensary turnaround time of less than 15 min was at least 90% both at baseline (76/84 [90%]) and after implementation (129/142 [91%]) (p = 0.80). Median dispensary turnaround time for stat and emergent medication orders combined (10 versus 9 min, p = 0.27) and for urgent and now medication orders combined (10 versus 12 min, p = 0.09) did not change after implementation of formal definitions. Similarly, median total turnaround time did not change for stat and emergent medication orders combined (30 versus 45 min, p = 0.32), but it increased for urgent and now orders combined (35 versus 45 min, p = 0.041).Conclusions: Implementing standardized definitions for “stat”, “emergent”, “urgent”, and “now” had no significant effect on dispensary turnaround time. However, the majority of orders with these designations met the expected target for dispensary turnaround time. Further interventions aimed at other health care professionals may be needed to reduce total turnaround time. This research supports the concept of interdisciplinary interventions for reducing total turnaround time.RÉSUMÉContexte : La standardisation de l’interprétation des termes « stat », « emergent », « urgent » et « now » pour qualifier le degré d’urgence des ordonnances de médicaments peut améliorer la sécurité des patients. Cependant, l’effet de la mise en place de définitions standardisées sur le délai d’exécution des ordonnances de médicaments dans les pharmacies d’hôpitaux n’a pas été étudié.Objectifs : Analyser les effets de l’utilisation de définitions standardisées des termes « stat », « emergent », « urgent » et « now » sur le délai d’exécution des ordonnances de médicaments au sein d’un service de pharmacie d’hôpital.Méthodes : Une définition des termes « stat », « emergent », « urgent » et « now » utilisés sur les ordonnances, de même que de « délai d’exécution » a été établie à partir de la documentation officielle ainsi que de la documentation parallèle. La définition de ces termes a été mise en oeuvre au moyen d’une formation de tout le personnel de la pharmacie. Des vérifications rétrospectives des délais d’exécution ont été menées avant (pour toutes les ordonnances sur une période d’un mois) et après la mise en oeuvre des définitions (pour un total de 28 jours sur une période de trois mois). Les dossiers médicaux et les ordonnances de médicaments ont été utilisés pour calculer le temps écoulé entre la rédaction de l’ordonnance jusqu’à l’administration du médicament (délai total d’exécution) et le temps écoulé entre la rédaction de l’ordonnance et le moment où le médicament quitte la pharmacie de l’hôpital (délai d’exécution par la pharmacie de l’hôpital). Les différences entre le délai total d’exécution et le délai d’exécution par la pharmacie de l’hôpital ont été comparées au moyen de statistiques non paramétriques.Résultats : Durant la période initiale de vérification, 84 (1,1 %) des 7787 ordonnances ont été qualifiées de «« stat », « emergent », « urgent » ou « now ». Après la mise en oeuvre des définitions standardisées, 142 (2,6 %) des 5365 ordonnances ont satisfait la définition d’un de ces termes. Le pourcentage d’ordonnances exécutées par la pharmacie de l’hôpital dans le délai prévu de moins de 15 minutes était d’au moins 90 % pour les vérifications avant (76/84 ou 90 %) et après la mise en oeuvre des définitions standardisées (129/142 ou 91 %) (p = 0,80). Le délai médian d’exécution par la pharmacie de l’hôpital des ordonnances « stat » et « emergent » combinées (10 contre 9 min, p = 0,27) et des ordonnances « urgent » et « now » combinées (10 contre 12 min, p = 0,09) n’a pas changé après la mise en oeuvre des définitions standardisées. De même, le délai d’exécution total médian n’a pas changé pour les ordonnances « stat » et « emergent » combinées (30 contre 45 min, p = 0,32), mais a augmenté pour les ordonnances « urgent » et « now » combinées (35 contre 45 min, p = 0,041).Conclusions : La mise en oeuvre de définitions standardisées pour les ordonnances « stat », « emergent », « urgent » et « now » n’a pas eu d’influence considérable sur le délai d’exécution par la pharmacie de l’hôpital. En revanche, la majorité des ordonnances ainsi désignées ont été exécutées par la pharmacie de l’hôpital dans le délai prévu. D’autres interventions ciblant d’autres professionnels de la santé pourraient être nécessaires pour réduire le délai total d’exécution. Cette recherche confirme le concept d’interventions interdisciplinaires pour réduire le délai total d’exécution.
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 | 0,035 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».