Computerized Alerts Can Decrease Ordering of Dopamine Blocking Drugs for Hospitalized Patients with Parkinson’s Disease (S40.008)
Notice bibliographique
Résumé
Objective: To determine if alerts in a computerized physician order entry system can decrease the ordering of dopamine blocking medications for hospitalized patients with Parkinson’s disease. Background: Medications that block central dopamine receptors result in worsening of motor symptoms in Parkinson’s disease. Computerized physician order entry systems are capable of producing custom alerts which can potentially decrease prescription of these medications in patients with Parkinson’s disease. Methods: Alerts were created that would fire if either metoclopramide or a neuroleptic (excluding quetiapine or clozapine) were prescribed in a hospitalized patient who also was being prescribed levodopa. Suggestions were provided to use an order set “Antinausea options for older patients” which did not contain dopamine blocking agents or quetiapine if an anti-psychotic was truly necessary. Both alerts advised that prescribing these medications worsen Parkinson’s disease symptoms. A report of actions taken on these alerts was generated to allow for data analysis. Results: Over a one year period these alerts fired in 372 order sessions and in 26.1[percnt] the order for the offending agent was cancelled. For the initial order session in which an alert displayed 32[percnt] (86/269) resulted in the medication being cancelled whereas with subsequent alerts the medication was cancelled in 10.7[percnt] (11/103). Metoclopramide accounted for 47.6[percnt] of the alerts and the order was cancelled in 36.7[percnt]. An alert for a neuroleptic was the trigger in 52.4[percnt] and the order was cancelled in 16.4[percnt]. Conclusions: An alert that displays both the rationale and a suggestion for an alternative can decrease the prescription of central dopamine blocking agents to inpatients with Parkinson’s disease. The alert for metoclopramide had more impact than the alert for neuroleptics. Subsequent alerts for the same medication were less likely to result in the order being cancelled than the initial alert.
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 | 0,001 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».