Accuracy of Adverse Drug Reaction Documentation upon Implementation of an Ambulatory Electronic Health Record System
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Detection, monitoring and treatment of adverse drug reactions (ADRs) are paramount to patient safety. The use of a comprehensive electronic health record (EHR) system has the potential to address inadequacies in ADR documentation and to facilitate ADR reporting to health agencies. However, effective methods to maintain the quality of documented ADRs within an EHR have not been well studied. OBJECTIVE: To evaluate the accuracy and effectiveness of ADR documentation transfer throughout the implementation of a comprehensive EHR system. METHODS: Retrospective analysis of ADR documentation at a tertiary care pediatric hospital between January 2013 and June 2014. ADRs documented in the newly implemented ambulatory EHR, pharmacy system and hybrid health record system were extracted. Documentation inconsistencies and processes for managing ADR documentation within the EHR were reviewed. RESULTS: A total of 115 patients with 260 unique ADRs were identified. Only 155 (60 %) of the identified ADRs were found in the ambulatory EHR system. The remaining 105 ADRs (40 %) were missing from the EHR when it was compared with the other systems. Seventy-two patients (63 %) returned for a follow-up visit, and each had their ADR documentation reviewed in the ambulatory EHR. Following the visit, 44 % of these ambulatory EHR records still included incorrect information. CONCLUSIONS: We identified discrepancies in ADR documentation within hospital systems, which need to be addressed as healthcare institutions transition to EHRs. Processes related to the transfer of ADR information into the EHR should be clearly defined. To improve the quality of ADR documentation, steps to force complete and continual ADR verification should be introduced at early stages of implementation of a new EHR, and all responsible providers should play a role.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle