Validity Evidence for FASTHUG-MAIDENS, a Mnemonic for Identifying Drug-Related Problems in the Intensive Care Unit
Notice bibliographique
Résumé
Background: The mnemonic FASTHUG (Feeding, Analgesia, Sedation, Thromboembolic prophylaxis, Head of bed elevation, stress Ulcer prophylaxis, Glucose control) was developed by intensive care unit (ICU) physicians to ensure that key aspects of care are addressed during each patient encounter. Because this tool does not specifically target pharmacotherapy assessments, a modified version, FASTHUGMAIDENS, was created, by changing the H to mean Hypoactive or Hyperactive delirium and adding M for Medication reconciliation; A for Antibiotics or Anti-infectives; I for Indications for medications; D for drug Dosing; E for Electrolytes, hematology, and other laboratory tests; N for No drug interactions, allergies, duplication, or side effects; and S for Stop dates.Objective: To validate the use of FASTHUG-MAIDENS as a tool for identifying drug-related problems (DRPs) in the ICU.Methods: This randomized, prospective validation study took place between January and May 2011 in the ICUs of 4 hospitals: 2 community-level ICUs and 2 tertiary referral ICUs. Each ICU had a dedicated ICU pharmacist and one or more pharmacy residents completing an ICU rotation as part of their pharmacy practice residency (total of 6 residents). The 6 pharmacy residents were randomly assigned to assess patients admitted to the ICU using FASTHUGMAIDENS or standard monitoring practice. The mean proportion of DRPs per patient encounter identified by the residents (relative to DRPs identified by the ICU pharmacists) was the primary outcome, and the proportion of total DRPs identified in each group was assessed as a secondary end point.Results: Pharmacy residents using the FASTHUG-MAIDENS mnemonic identified a significantly greater mean proportion of DRPs per patient encounter (73.2% versus 52.4%, p = 0.008) and a greater proportion of total DRPs (77.1% versus 52.5%, p < 0.001) than those assessing patients according to standard monitoring practice.Conclusion: In this sample, the mnemonic FASTHUG-MAIDENS was a useful tool to facilitate the capture of DRPs by pharmacy residents working in the ICU.RÉSUMÉContexte : Le code mnémonique anglais FASTHUG (Feeding [alimentation], Analgesia [analgésie], Sedation [sédation], Thromboembolic prophylaxis [prophylaxie thromboembolique], Head of bed elevation [élévation de la tête du lit], stress Ulcer prophylaxis [prophylaxie des ulcères de stress], Glucose control [régulation de la glycémie]) a été imaginé par des médecins intensivistes pour s’assurer que certains aspects clés des soins sont pris en compte pour chaque consultation avec un patient. Comme cet outil ne vise pas spécifiquement les évaluations pharmaco - thérapeutiques, une version modifiée, FASTHUG-MAIDENS, a été créée, où l’on a remplacé le sens du H par Hypoactive or Hyperactive delirium (délire hypoactif ou hyperactif ) et ajouté MAIDENS : Medication reconciliation (bilan comparatif des médicaments); Antibiotics or Anti-infectives (antibiotiques ou anti-infectieux); Indications for medications (indications des médicaments); drug Dosing (posologie des médicaments); Electrolytes, hematology and other laboratory tests (électrolytes, hématologie et autres épreuves de laboratoire); No drug interactions, allergies, duplication, or side effects (absence d’interactions médicamenteuses, d’allergies, de chevauchement ou d’effets secondaires); et Stop dates (dates de fin).Objectif : Valider l’emploi du code mnémonique FASTHUG-MAIDENS comme outil pour dépister les problèmes pharmacothérapeutiques à l’unité des soins intensifs (USI).Méthodes : Cette étude de validation aléatoire et prospective a été menée entre janvier et mai 2011 dans les USI de quatre hôpitaux : deux USI de niveau communautaire et deux autres de référence de niveau tertiaire. Chaque USI possédait un pharmacien attitré et au moins un résident en pharmacie complétant un stage à l’USI dans le cadre de leur résidence en pratique pharmaceutique (pour un total de six résidents). Les six résidents en pharmacie ont été assignés au hasard pour évaluer les patients admis à l’USI au moyen du code FASTHUG-MAIDENS ou d’une méthode de suivi standard. Le pourcentage de problèmes pharmaco - thérapeutiques par consultation avec un patient cernés par les résidents (comparativement à ceux constatés par les pharmaciens intensivistes) était le principal paramètre d’évaluation et le pourcentage de problèmes pharmacothérapeutiques totaux relevés dans chaque groupe était le paramètre d’évaluation secondaire.Résultats : Les résidents en pharmacie qui ont utilisé le code mnémonique FASTHUG-MAIDENS ont cerné un pourcentage moyen significativement supérieur de problèmes pharmacothérapeutiques par consultation avec un patient (73,2 % contre 52,4 %, p = 0,008) et un pourcentage supérieur de problèmes pharmacothérapeutiques totaux (77,1 % contre 52,5 %, p < 0,001) que ceux qui ont évalué les patients au moyen d’une méthode de suivi standard.Conclusion : Dans cet échantillon, le code mnémonique FASTHUG MAIDENS s’est révélé être un outil utile facilitant la détermination des problèmes pharmacothérapeutiques par les résidents en pharmacie travaillant dans une USI.
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 | 0,083 | 0,301 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».