Emergency Physician Recognition of Adverse Drug-related Events in Elder Patients Presenting to an Emergency Department
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: The authors examined the ability of emergency physicians (EPs) to recognize adverse drug-related events (ADREs) in elder patients presenting to the emergency department (ED). METHODS: This was a prospective observational study of patients at least 65 years of age who presented to the ED. ADREs were identified using a validated, standardized scoring system. EP recognition of ADREs was assessed through physician interview and subsequent chart review. RESULTS: A total of 161 patients were enrolled in the study. Thirty-seven ADREs were identified, which occurred in 26 patients (16.2%; 95% confidence interval [CI] = 10.5% to 22.0%). The treating EPs recognized 51.2% (95% CI = 35.2% to 67.4%) of all ADREs. There was better recognition of those ADREs related to the patient's chief complaint (91%; 95% CI = 74.1% to 100%) as compared with recognition of ADREs that were not associated with the chief complaint (32.1%; 95% CI = 14.8% to 49%). EPs recognized six of seven severe ADREs (85.7%), 13 of 23 moderate ADREs (56.5%; 95% CI = 36.8% to 77%), and none of the mild ADREs. Recognition of ADREs varied with medication class. CONCLUSIONS: EP performance was superior at identifying severe ADREs relating to the patients' chief complaints. However, EP performance was suboptimal with respect to identifying ADREs of lower severity, having missed a significant number of ADREs of moderate severity as well as ones unrelated to the patients' chief complaints. ADRE detection methods need to be developed for the ED to aid EPs in detecting those ADREs that are most likely to be missed.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 découle