Patient-Related Risk Factors for the Occurrence of Patient-Reported Medication Errors in One Community Pharmacy
Notice bibliographique
Résumé
Background: Medication errors have been shown to occur 4 times more often in the community compared to the hospital setting. Therefore, identifying the patient-related factors within the community that contribute to an increased occurrence of medication errors is required. Objective: To assess patients’ knowledge and understanding of their medications in order to determine risk for medication errors. Methods: This quantitative descriptive study used a convenience sample of participants filling their prescriptions at one independent pharmacy in Canada. The study used descriptive statistics including frequencies and correlations. Further multiple regressions were conducted to explore the relationship between the patient factors and medication knowledge and use. Results: A total of 33.5% of respondents indicated that they know what medication they are currently taking, and that they know why they taking their current medications. Decreased knowledge of medication taken was significantly associated with likelihood of a medication error by 3.6 times ( P = .048). Increased age ( P = .01) and the death of a spouse ( P = .01) correspond to a decreased knowledge of medications. Those with less education appeared to have decreased understanding as to why they are taking their medications ( P = .01). The odds of experiencing a medication error increased with multiple medications. Also, changes in medication dose increased the probability of experiencing a medication error by 2.2 times. This study however had a small sample size. Conclusions: With identification and understanding of patient factors that influence the incidence of medication error, we can increase awareness and determine solutions to decrease risk of medication error in clinical practice.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,002 |
| 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 ».