A Randomized, Controlled Pragmatic Trial of Telephonic Medication Therapy Management to Reduce Hospitalization in Home Health Patients
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of a telephonic medication therapy management (MTM) service on reducing hospitalizations among home health patients. SETTING: Forty randomly selected, geographically diverse home health care centers in the United States. DESIGN: Two-stage, randomized, controlled trial with 60-day follow-up. All Medicare- insured home health care patients were eligible to participate. Twenty-eight consecutive patients within each care center were recruited and randomized to usual care or MTM intervention. The MTM intervention consisted of the following: (1) initial phone call by a pharmacy technician to verify active medications; (2) pharmacist-provided medication regimen review by telephone; and (3) follow-up pharmacist phone calls at day seven and as needed for 30 days. The primary outcome was 60-day all-cause hospitalization. DATA COLLECTION: Data were collected from in-home nursing assessments using the OASIS-C. Multivariate logistic regression modeled the effect of the MTM intervention on the probability of hospitalization while adjusting for patients' baseline risk of hospitalization, number of medications taken daily, and other OASIS-C data elements. PRINCIPAL FINDINGS: A total of 895 patients (intervention n = 415, control n = 480) were block-randomized to the intervention or usual care. There was no significant difference in the 60-day probability of hospitalization between the MTM intervention and control groups (Adjusted OR: 1.26, 95 percent CI: 0.89-1.77, p = .19). For patients within the lowest baseline risk quartile (n = 232), the intervention group was three times more likely to remain out of the hospital at 60 days (Adjusted OR: 3.79, 95 percent CI: 1.35-10.57, p = .01) compared to the usual care group. CONCLUSIONS: This MTM intervention may not be effective for all home health patients; however, for those patients with the lowest-risk profile, the MTM intervention prevented patients from being hospitalized at 60 days.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».