Quantifying the Impact of Prescription-Related Problems on Pharmacy Workload
Notice bibliographique
Résumé
ABSTRACT Objectives: To determine pharmacy workload related to resolving prescription-related problems, including ambiguous, illegible, and incomplete orders, and to determine the types of problems and the frequency of their occurrence. Methods: An independent observer prospectively documented the time required to resolve prescription-related problems in the pharmacy of a major teaching hospital. The type and frequency of the problems were recorded according to predefined criteria. Results: Pharmacists spent a mean total of 20.1 min to resolve each prescription-related problem from the time it was first identified to the time it was resolved and the prescription processed. The mean time per problem for clinical pharmacists was 3 times the mean time per problem for dispensing pharmacists; however, clinical pharmacists were involved in resolving fewer problematic orders (31% of orders) than dispensing pharmacists (92% of orders). About 13 prescriptionrelated problems were encountered in the pharmacy during each 8-h day shift, so about 2 h of dispensing pharmacist time and about 2 h of clinical pharmacist time were required during each shift. The rate of prescription-related problems was 55.2 per 1000 orders, including 6.5 illegible orders and 5.9 incomplete orders per 1000 orders. Conclusions: Pharmacists spent a substantial amount of time resolving prescription-related problems, many of which could be avoided if medication orders were complete and legible. The results of this study suggest that improvements could be made to the medication-ordering process. RESUME Objectifs : Definir la charge de travail de la pharmacie consacree a resoudre les problemes lies aux ordonnances, y compris les prescriptions ambigues, illisibles et incompletes, et determiner le type et la frequence de ces problemes. Methodes : Documentation prospective par un observateur independant du temps necessaire pour resoudre les problemes lies aux ordonnances dans une pharmacie d’un important hopital d’enseignement. Le type et la frequence des problemes ont ete notes selon des criteres predefinis. Resultats : Les pharmaciens ont passe une moyenne totale de 20,1 minutes a resoudre chaque probleme lie a une ordonnance, a compter du moment de son identification jusqu’au moment de sa resolution et de l’execution de l’ordonnance. Les pharmaciens cliniciens passaient en moyenne trois fois plus de temps par probleme que les pharmaciens d’officine. En revanche, ils ont resolu moins d’ordonnances problematiques (31 %) que les pharmaciens d’officine (92 %). On a compte environ 13 problemes lies a des ordonnances au cours de chaque quart de huit heures a la pharmacie, ce qui equivaut a environ deux heures consacrees par le pharmacien d’officine et deux heures par le pharmacien clinicien par quart de travail. Le taux de problemes lies aux ordonnances etait de 55,2 pour 1 000 ordonnances, dont 6,5 etaient des ordonnances illisibles et 5,9 des ordonnances incompletes. Conclusions : Les pharmaciens ont passe un nombre important d’heures a resoudre les problemes lies aux ordonnances, dont de nombreux auraient pu etre evites si les prescriptions avaient ete lisibles et completes. Les resultats de cette etude laissent croire que des ameliorations peuvent etre apportes au processus de demande de medicaments.
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 | 0,003 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».