MétaCan
Menu
Retour à la cohorte
Enregistrement W2564089423 · doi:10.1136/bmjopen-2016-013663

Process mapping evaluation of medication reconciliation in academic teaching hospitals: a critical step in quality improvement

2016· article· en· W2564089423 sur OpenAlexafffundabout
Anne Holbrook, James M. Bowen, Harsit Patel, Chris O’Brien, John J. You, Roshan Tahavori, Jeff Doleweerd, Tim Berezny, Dan Perri, Carmine Nieuwstraten, Sue Troyan, Ameen Patel

Notice bibliographique

RevueBMJ Open · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensMcMaster UniversityHamilton Health SciencesSt. Joseph’s Healthcare Hamilton
Organismes subventionnairesOntario Ministry of Health and Long-Term Care
Mots-clésMedicineProcess (computing)Quality (philosophy)Quality managementMedical educationProcess managementOperations management

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medication reconciliation (MedRec) has been a mandated or recommended activity in Canada, the USA and the UK for nearly 10 years. Accreditation bodies in North America will soon require MedRec for every admission, transfer and discharge of every patient. Studies of MedRec have revealed unintentional discrepancies in prescriptions but no clear evidence that clinically important outcomes are improved, leading to widely variable practices. Our objective was to apply process mapping methodology to MedRec to clarify current processes and resource usage, identify potential efficiencies and gaps in care, and make recommendations for improvement in the light of current literature evidence of effectiveness. METHODS: Process engineers observed and recorded all MedRec activities at 3 academic teaching hospitals, from initial emergency department triage to patient discharge, for general internal medicine patients. Process maps were validated with frontline staff, then with the study team, managers and patient safety leads to summarise current problems and discuss solutions. RESULTS: Across all of the 3 hospitals, 5 general problem themes were identified: lack of use of all available medication sources, duplication of effort creating inefficiency, lack of timeliness of completion of the Best Possible Medication History, lack of standardisation of the MedRec process, and suboptimal communication of MedRec issues between physicians, pharmacists and nurses. DISCUSSION: MedRec as practised in this environment requires improvements in quality, timeliness, consistency and dissemination. Further research exploring efficient use of resources, in terms of personnel and costs, is required.

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)0,174
score de la tête « metaresearch » (Gemma)0,256
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,918

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1740,256
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0030,002
Communication savante0,0090,008
Science ouverte0,0040,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,495
Tête enseignante GPT0,622
Écart entre enseignants0,128 · 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'étudeObservationnel
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

Citations25
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207