Frequency, type and clinical importance of medication history errors at admission to hospital: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Over a quarter of hospital prescribing errors are attributable to incomplete medication histories being obtained at the time of admission. We undertook a systematic review of studies describing the frequency, type and clinical importance of medication history errors at hospital admission. METHODS: We searched MEDLINE, EMBASE and CINAHL for articles published from 1966 through April 2005 and bibliographies of papers subsequently retrieved from the search. We reviewed all published studies with quantitative results that compared prescription medication histories obtained by physicians at the time of hospital admission with comprehensive medication histories. Three reviewers independently abstracted data on methodologic features and results. RESULTS: We identified 22 studies involving a total of 3755 patients (range 33-1053, median 104). Errors in prescription medication histories occurred in up to 67% of cases: 10%- 61% had at least 1 omission error (deletion of a drug used before admission), and 13%- 22% had at least 1 commission error (addition of a drug not used before admission); 60%- 67% had at least 1 omission or commission error. Only 5 studies (n = 545 patients) explicitly distinguished between unintentional discrepancies and intentional therapeutic changes through discussions with ordering physicians. These studies found that 27%- 54% of patients had at least 1 medication history error and that 19%- 75% of the discrepancies were unintentional. In 6 of the studies (n = 588 patients), the investigators estimated that 11%-59% of the medication history errors were clinically important. INTERPRETATION: Medication history errors at the time of hospital admission are common and potentially clinically important. Improved physician training, accessible community pharmacy databases and closer teamwork between patients, physicians and pharmacists could reduce the frequency of these errors.
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 | 0,018 | 0,119 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,020 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».