Do High‐Risk Medicines Alerts Influence Practice?
Notice bibliographique
Résumé
ABSTRACT Background Medicine‐related adverse events are prevalent, costly and mostly preventable. The High Risk Medicines Working Party (Victoria) developed and distributed three high‐risk medicines alerts – wrong route of administration of oral medicines, subcutaneous insulin and unfractionated heparin – and accompanying audit tools in 2008 and 2009. Aims To determine the impact of the three high‐risk medicines alerts on Victorian health services; to assess the clinical relevance and utility of the audit tools; to identify barriers to implementing recommendations; and to obtain feedback and suggestions for future alert topics. Method A cross‐sectional survey was undertaken from 6 to 31 July 2009 using an online questionnaire. The questionnaire was distributed to 90 metropolitan, regional and rural public health services in Victoria and approximately 200 members of the Quality Use of Medicines Network (Victoria). Results Most of the 90 respondents were pharmacists (53%) and nurses (31%). 53 (59%) respondents reported making changes as a result of receiving the high‐risk medicines alerts – 21 (40%) concerned the wrong route of administration, 12 (23%) subcutaneous insulin and 7 (13%) unfractionated heparin. Barriers to implementation included time constraints, inadequate staff and resources, excessive paperwork and competing priorities. A minority of respondents indicated some alerts were not relevant to small rural services. Suggestions for improving the audit tools included making them less labour intensive, enabling electronic responses and ensuring their distribution is coordinated with other medicine‐related tools. Conclusion High‐risk medicines alerts and the accompanying audit tools facilitated change but there were some barriers to their implementation, such as time and resource constraints. Not all alerts and audit tools were relevant to all health services.
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 | 0,012 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».