The effect of electronic medical record system use on communication between pharmacists and prescribers
Notice bibliographique
Résumé
BACKGROUND: The Electronic Medical Record (EMR) is becoming increasingly common in health care settings. Research shows that EMRs have the potential to reduce instances of medication errors and improve communication between pharmacists and prescribers; however, more research is required to demonstrate whether this is true. This study aims to determine the effect of a newly implemented EMR system on communication between pharmacists and primary care clinicians. METHODS: A retrospective chart analysis of primary care EMR data comparing faxed pharmacy communications captured before and after the implementation of an EMR system at an academic family medicine clinic. Communication requests were classified into the following various categories: refill accepted, refill denied, clarification, incorrect dose, interaction, drug insurance/coverage application, new prescription request, supplies request, continued care information, duplicate fax substitution, opioid early release request, confirmation by phone call, and other. RESULTS: The number and percentage of clarification requests, interaction notifications, and incorrect dose notifications were lower after the implementation of the EMR system. The number and percentage of refills accepted and new prescription requests increased after the implementation of the EMR system. CONCLUSION: The implementation of an EMR in an academic family medicine clinic had a significant effect on the volume of communication between pharmacists and prescribers. The amount of clarification requests and incorrect dosing communications decreased after EMR implementation. This suggests that EMRs improve prescribing safety. The increased amount of refills accepted and new prescription requests post EMR implementation suggests that the EMR is capable of changing prescription patterns.
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 | 0,019 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».