Patient Characteristics Associated with Adverse Drug Events in Hospital: An Overview of Reviews
Notice bibliographique
Résumé
ABSTRACT Background: Adverse drug events (ADEs) occurring in hospital inpatients can have serious implications. The ability to identify and prioritize patients at higher risk of ADEs could help pharmacists to optimize their impact as members of the patient care team. Objective: To identify risk factors, patient characteristics, and medications associated with a higher likelihood of ADEs in adult inpatients through an overview of reviews on this topic. Data Sources: Systematic reviews and narrative reviews or guidelines identified through a search of MEDLINE and the Cochrane Database of Systematic Reviews (limited to articles published from 1995 to June 4, 2015), as well as a grey literature search. Study Selection and Data Extraction: For inclusion in this overview, a review had to discuss patient characteristics or risk factors associated with ADEs, medications associated with ADEs, or drug–drug interactions associated with ADEs, in adult inpatients. Articles retrieved by the literature search were screened for eligibility by a single reviewer. Data Synthesis: Eleven articles were deemed eligible for inclusion in this overview: 4 systematic reviews and 7 narrative reviews or guidelines. Their results were described narratively. Older age and polypharmacy were the most frequently cited risk factors associated with ADEs in hospital inpatients. Renal impairment, female sex, and decline in cognition were also frequently reported as being associated with ADEs. Medication classes reported to be associated with ADEs during the hospital stay included anticoagulants, anti-infectives/antibiotics, antidiabetic agents, analgesics (including opioids and nonsteroidal anti-inflammatory drugs), and cardiovascular drugs (including antihypertensive agents, diuretics, and digoxin). Two publications reported on preventable ADEs in hospital inpatients; the medications associated with preventable ADEs were consistent with those reported above. Conclusions: The risk factors, patient characteristics, and medication classes highlighted in this overview may help clinicians to prioritize patient populations who may be at higher risk of ADEs. RÉSUMÉ Contexte : Les événements indésirables liés aux médicaments (EIM) touchant les patients hospitalisés peuvent avoir de graves conséquences. La capacité d’identifier les patients qui présentent un haut risque d’EIM et de les prioriser pourrait aider les pharmaciens à optimiser l’influence qu’ils exercent comme membres de l’équipe de soins aux patients. Objectif : Identifier les facteurs de risque, les caractéristiques des patients ou les médicaments associés à un potentiel plus élevé d’EIM chez les patients adultes hospitalisés à l’aide d’une synthèse des comptes rendus sur le sujet. Sources des données : Des analyses systématiques et des revues narratives ou des lignes directrices trouvées à l’aide d’une recherche dans MEDLINE et la Cochrane Database of Systematic Reviews (se limitant aux articles publiés entre 1995 et le 4 juin 2015) et d’une recherche dans la littérature grise. Sélection des études et extraction des données : Afin d’être admissible à la présente synthèse, un compte rendu devait aborder les caractéristiques des patients ou les facteurs de risque associés aux EIM, les médicaments associés aux EIM ou les interactions médicament médicament associées aux EIM chez le patient adulte hospitalisé. L’admissibilité des articles trouvés grâce à la recherche documentaire n’a été évaluée que par une seule personne. Synthèse des données : Les résultats des comptes rendus retenus ont été décrits de manière narrative. Onze articles ont été admis dans la présente synthèse : quatre analyses systématiques et sept revues narratives ou lignes directrices. L’âge avancé et la polypharmacie représentaient les facteurs de risque associés aux EIM les plus souvent mentionnés chez le patient adulte hospitalisé. L’insuffisance rénale, le sexe féminin et le déclin cognitif étaient eux aussi fréquemment indiqués comme étant des facteurs liés aux EIM. Parmi les classes de médicaments signalées comme étant associées aux EIM pendant le séjour à l’hôpital, on comptait : les anticoagulants, les anti-infectieux et les antibiotiques, les antidiabétiques, les analgésiques (notamment les opioïdes et les anti-inflammatoires non stéroïdiens) et les agents cardiovasculaires (notamment les antihypertenseurs, les diurétiques et la digoxine). Deux publications abordaient les EIM évitables chez le patient hospitalisé; les médicaments associés aux EIM faisaient partie de ceux mentionnés ci-dessus. Conclusion : Connaître les facteurs de risque, les caractéristiques des patients et les classes de médicaments mis en évidence dans la présente synthèse peut aider les cliniciens à accorder la priorité aux populations de patients qui pourraient présenter un plus grand risque d’EIM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,012 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».