Clinical benefits and economic impact of post-surgical care provided by pharmacists in a Canadian hospital
Notice bibliographique
Résumé
OBJECTIVE: Clinical pharmacists improve the quality of patient care by reducing adverse drug events (ADEs), length of stay and mortality. This impact is currently not well described in surgery. The objective was to evaluate clinical and economic outcomes after clinical pharmacist services were added to two general surgical wards in an adult hospital. METHODS: This was a prospective, observational study. All clinical interventions to resolve drug therapy problems were documented and assessed for severity, value and the probability of preventing an ADE. Cost avoidance was calculated using two methods: by avoiding additional days in hospital (CA$3593/ADE) or additional hospital costs ($7215/ADE). Two clinical pharmacy specialists and the surgical care pharmacist independently categorized the interventions; disagreements were resolved by consensus. KEY FINDINGS: The pharmacists made 1097 interventions in 6 months with a 98% acceptance rate by surgical staff. Half of the interventions were rated significant for severity (561, 51.1%) and value (559, 51.0%). One-quarter of the interventions had a 40% or greater probability of preventing an ADE (270, 24.6%). Cost avoidance was estimated to be $0.68-1.36 million or $617-1239 per intervention. Pharmacists avoided an additional 867 days in the hospital for surgical patients. CONCLUSION: The pharmacist's role in the management of the drug therapy needs of the post-surgical patient has the potential to improve clinical and patient outcomes and avoid healthcare costs. The inclusion of clinical pharmacists in surgical wards may result in $7 in savings for every $1 invested.
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 | 0,001 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».