MétaCan
Menu
Retour à la cohorte
Enregistrement W2144567269 · doi:10.1186/1745-6215-13-150

Using novel Canadian resources to improve medication reconciliation at discharge: study protocol for a randomized controlled trial

2012· article· en· W2144567269 sur OpenAlexaffabout
Robyn Tamblyn, Allen Huang, Ari N. Meguerditchian, Nancy Winslade, Christian M. Rochefort, Alan J. Forster, Tewodros Eguale, David L. Buckeridge, André Jacques, Kiyuri Naicker, Kristen Reidel

Notice bibliographique

RevueTrials · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensOttawa HospitalMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical prescriptionEmergency medicineMedical emergencyAdverse effectProtocol (science)Intervention (counseling)Electronic prescribingMEDLINECluster randomised controlled trialRandomized controlled trialAlternative medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Adverse drug events are responsible for up to 7% of all admissions to acute care hospitals. At least 58% of these are preventable, resulting from incomplete drug information, prescribing or dispensing errors, and overuse or underuse of medications. Effective implementation of medication reconciliation is considered essential to reduce preventable adverse drug events occurring at transitions between community and hospital care. An electronically enabled discharge reconciliation process represents an innovative approach to this problem. METHODS/DESIGN: Participants will be recruited in Quebec and are eligible for inclusion if they are using prescription medication at admission, covered by the Quebec drug insurance plan, admitted from the community, 18 years or older, admitted to a general or intensive care medical or surgical unit, and discharged alive. A sample size of 3,714 will be required to detect a 5% reduction in adverse drug events. The intervention will comprise electronic retrieval of the community drug list, combined with an electronic discharge reconciliation module and an electronic discharge communication module. The primary outcomes will be adverse drug events occurring 30 days post-discharge, identified by a combination of patient self-report and chart abstraction. All emergency room visits and hospital readmission during this period will be measured as secondary outcomes. A cluster randomization approach will be used to allocate 16 medical and 10 surgical units to electronic discharge reconciliation and communication versus usual care. An intention-to-treat approach will be used to analyse data. Logistic regression will be undertaken within a generalized estimating equation framework to account for clustering within units. DISCUSSION: The goal of this prospective trial is to determine if electronically enabled discharge reconciliation will reduce the risk of adverse drug events, emergency room visits and readmissions 30 days post-discharge compared with usual care. We expect that this intervention will improve adherence to medication reconciliation at discharge, the accuracy of the community-based drug history and effective communication of hospital-based treatment changes to community care providers. The results may support policy-directed investments in computerizing and training of hospital staff, generate key requirements for future hospital accreditation standards, and highlight functional requirements for software vendors. TRIAL REGISTRATION: NCT01179867.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,032
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,977

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0190,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,461
Tête enseignante GPT0,550
Écart entre enseignants0,090 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeEssai randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTrialsMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207