Use of pharmacist integration in oncology clinics to identify and resolve moderate to major drug-drug interactions.
Notice bibliographique
Résumé
71 Background: Medication reconciliation (MR) in outpatient clinics has been under-evaluated. We postulated that cancer patients would benefit from MR done by a pharmacist as these patients have many care providers, many medications, and are at high risk of drug-drug interactions (DDIs). Hence, we conducted a quality initiative evaluating the role of a pharmacist in the ambulatory clinics. Methods: One pharmacist prospectively rotated amongst four oncology clinics four days a week from June 3 to September 18, 2008. The pharmacist performed MR, and as a consultant developed therapeutic plans related to drug therapeutic problems (DTPs) including adverse reactions and DDIs. Patient medication lists were retrospectively analyzed using Micromedex and DDIs were categorized by frequency, severity and evidence level. A monthly survey (Likert scale) evaluating pharmacist contributions to each clinic team was completed by physicians and nurses. Results: A total of 158 patients were seen in 227 patient visits. The pharmacist identified 141 DTPs in 60 patients across 74 visits. The most frequently observed were no drug for a medical problem (51.1%), dose too low (12.8%), wrong drug (9.9%), and adverse drug reactions (9.2%). In response, 174 therapeutic plans were made. The most frequently recommended actions were drug added (40.8%), dose changed (13.2%), drug discontinued (9.2%), and interval/duration changed (7.5%). A total of 414 DDIs were identified in 110 patients, across 149 patient visits. On average, 2.62 DDIs were reported per patient, and 1.82 DDIs per visit. By severity, 139 (33.6%) major, 258 (62.3%) moderate, 16 (3.9%) minor and 1 (0.2%) contraindicated DDIs were documented. By level of evidence, 46 (11.1%) DDIs were excellent, and 236 (57%) were good. Survey results showed that doctors and nurses agreed/strongly agreed that pharmacist presence was valuable. The most useful contributions identified were consultation regarding DDIs, adverse drug effects, and medication efficacy decisions. Conclusions: DDI rates are high and most are moderate or major in severity. There is a clear benefit from the integration of a pharmacist to the clinics with an improvement in patient safety and quality of care.
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 | 0,008 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».