Usability of a computerised drug monitoring programme to detect adverse drug events and non-compliance in outpatient ambulatory care
Notice bibliographique
Résumé
OBJECTIVE: To assess the usability of a computerised drug monitoring programme for ambulatory patients receiving outpatient prescriptions. MATERIALS AND METHODS: A prospective cohort of 200 patients received two automated calls after a new drug prescription (day 3 and day 17) to screen for unfilled prescriptions and medication problems. Usability was assessed objectively and subjectively with the coding of technical (eg, voice recognition problems) and respondent burden (eg, failing to follow instructions) problems observed during the calls, and with an interview 21 days after the prescription. Associations between personal factors, usability and call outcome were examined with logistic regression models. RESULTS: The automated calls successfully reached 70.0% of enrolled patients. Older age increased the likelihood of experiencing technical (OR 2.18, 95% CI 1.22 to 3.88) and respondent burden problems (OR 3.32, 95% CI 1.88 to 5.87), as well as unsuccessful calls (OR 2.16, 95% CI 1.19 to 3.91). Patients with higher education experienced less respondent burden problems (OR 0.44, 95% CI 0.21 to 0.91), but they were more prone to have unsuccessful calls (OR 2.65, 95% CI 1.07 to 6.56) and less likely to find them useful (OR 0.23 95% CI 0.08 to 0.68). Older adults perceived the calls as easy to use and useful, although they reported lower intention to use the automated calls in the future (OR 0.32, 95% CI 0.15 to 0.70). DISCUSSION: As reported in previous studies, we found that older adults tend to have more difficulty when interacting with automated calls. Evidence about the association between education and usability was mixed. CONCLUSIONS: Our results highlight practical suggestions to improve the feasibility and usability of automated calls in primary care screening programmes.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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 ».