Development and application of indicators for the reduction of potentially preventable hospital admissions related to medications
Notice bibliographique
Résumé
OBJECTIVE: The Dutch HARM-Wrestling (HW) Task Force issued general and drug-specific recommendations aimed at reducing hospital admissions related to medication (HARMs). This study examines if the drug-specific recommendations could be converted into indicators that could be monitored in existing databases of general practitioner (GP) or community pharmacy (CP) data. The study also assesses the performance of these indicators before and during the official release of HW recommendations. METHODS: HW recommendations were divided into sub-recommendations. We studied to what extent these were measurable as indicators based on available information in both databases. For each measurable indicator, performance between 2007 and 2010 was determined and possibilities for further improvement were estimated. RESULTS: Thirty-four drug-specific HW recommendations were divided into 69 sub-recommendations, 32 of which were measurable as indicator in at least one of the databases. Application of these indicators between 2007 and 2010 showed that many of the indicators did not change over time. Possibilities for further improvement were estimated as moderate to major for 16/31 (52%) indicators measured in the GP database and 6/15 (40%) HW indicators measured in the CP database. CONCLUSIONS: Further implementation of the HW recommendations and development of additional monitoring methods are warranted to improve drug safety in outpatients.
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) | 0,000 | 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 | 0,000 |
| 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 ».