Interventions to Improve Medication Reconciliation in Primary Care
Notice bibliographique
Résumé
OBJECTIVE: To systematically review all primary care intervention studies designed to implement medication reconciliation for effects on medication discrepancies, clinical outcomes, and patient knowledge of their medications. DATA SOURCES: We searched MEDLINE (1988-March 2008); Healthstar (1966-March 2008); CINAHL (1982-March 2008); EMBASE (1980-March 2008); Cochrane Database of Systematic Reviews, Cochrane Central Register of Controlled Trials, Database of Abstracts of Reviews of Effects, Cochrane Methodology Register, and Health Technology Assessments; and unpublished material. No language restrictions were applied. Search terms included medication reconciliation, medication errors, prescribing error, medication systems, adverse drug events, drug utilization review, medication list, medication record, and medications management. STUDY SELECTION AND DATA ABSTRACTION: Randomized controlled trials or before-and-after studies that examined the effect of various interventions on medication discrepancies either in ambulatory settings or at hospital discharge among community-dwelling adults were included. Two reviewers independently assessed studies to determine inclusion. Level of agreement between the reviewers was good, with unweighted Cohen's kappa of 0.71. Two of 3 independent reviewers abstracted data and evaluated validity from included studies. Disagreements between reviewers were resolved by consensus. DATA SYNTHESIS: Four trials met the inclusion criteria. Two before-and-after studies (n = 275) in ambulatory care examining systematic medication reconciliation at each visit produced conflicting results. One study showed a reduction in the proportion of medication discrepancies from 88.5% to 49.1% (OR 0.13; 95% CI 0.07 to 0.21); the other showed no benefit. One randomized controlled trial and one before-and-after study (n = 202) evaluated pharmacist medication review at hospital discharge. Neither showed a benefit. Heterogeneity precluded pooling of studies. All included studies had significant design flaws. CONCLUSIONS: There is no good quality evidence demonstrating the effectiveness of medication reconciliation in the primary care setting. Further research is needed.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».