MétaCan
Menu
Retour à la cohorte
Enregistrement W2162518516 · doi:10.1111/j.1532-5415.2008.02004.x

Effect of Computerized Provider Order Entry with Clinical Decision Support on Adverse Drug Events in the Long‐Term Care Setting

2008· article· en· W2162518516 sur OpenAlexaff
Jerry H. Gurwitz, Terry S. Field, Paula A. Rochon, James O. Judge, Leslie R. Harrold, Chaim M. Bell, Monica Lee, Kathleen White, Jane LaPrino, Janet Erramuspe‐Mainard, Martin G. DeFlorio, Linda Gavendo, Joann Baril, George E. Reed, David W. Bates

Notice bibliographique

RevueJournal of the American Geriatrics Society · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensWomen's College HospitalUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesAgency for Healthcare Research and Quality
Mots-clésMedicineAdverse effectEmergency medicineComputerized physician order entryIntervention (counseling)DrugClinical trialRandomized controlled trialLong-term careIntensive care medicineMedical emergencyHealth careInternal medicinePharmacologyNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To evaluate the efficacy of computerized provider order entry with clinical decision support for preventing adverse drug events in long-term care. DESIGN: Cluster-randomized controlled trial. SETTING: Two large long-term care facilities. PATIENTS: One thousand one hundred eighteen long-term care residents of 29 resident care units. INTERVENTION: The 29 resident care units, each with computerized provider order entry, were randomized to having a clinical decision support system (intervention units) or not (control units). MEASUREMENTS: The number of adverse drug events, severity of events, and whether the events were preventable. RESULTS: Within intervention units, 411 adverse drug events occurred over 3,803 resident-months of observation time; 152 (37.0%) were deemed preventable. Within control units, there were 340 adverse drug events over 3,257 resident-months of observation time; 126 (37.1%) were characterized as preventable. There were 10.8 adverse drug events per 100 resident-months and 4.0 preventable events per 100 resident-months on intervention units. There were 10.4 adverse drug events per 100 resident-months and 3.9 preventable events per 100 resident-months on control units. Comparing intervention and control units, the adjusted rate ratios were 1.06 (95% confidence interval (CI)=0.92-1.23) for all adverse drug events and 1.02 (95% CI=0.81-1.30) for preventable adverse drug events. CONCLUSION: Computerized provider order entry with decision support did not reduce the adverse drug event rate or preventable adverse drug event rate in the long-term care setting. Alert burden, limited scope of the alerts, and a need to more fully integrate clinical and laboratory information may have affected efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,020
Tête enseignante GPT0,413
Écart entre enseignants0,393 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

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

En bref

Citations111
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Geriatrics SocietyMême sujetElectronic Health Records SystemsTravaux en français237 207