Financial Impact of Cancer Drug Wastage and Potential Cost Savings From Mitigation Strategies
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
PURPOSE: Cancer drug wastage occurs when a parenteral drug within a fixed vial is not administered fully to a patient. This study investigated the extent of drug wastage, the financial impact on the hospital budget, and the cost savings associated with current mitigation strategies. METHODS: We conducted a cross-sectional study in three University of Toronto-affiliated hospitals of various sizes. We recorded the actual amount of drug wasted over a 2-week period while using current mitigation strategies. Single-dose vial cancer drugs with the highest wastage potentials were identified (14 drugs). To calculate the hypothetical drug wastage with no mitigation strategies, we determined how many vials of drugs would be needed to fill a single prescription. RESULTS: The total drug costs over the 2 weeks ranged from $50,257 to $716,983 in the three institutions. With existing mitigation strategies, the actual drug wastage over the 2 weeks ranged from $928 to $5,472, which was approximately 1% to 2% of the total drug costs. In the hypothetical model with no mitigation strategies implemented, the projected drug cost wastage would have been $11,232 to $149,131, which accounted for 16% to 18% of the total drug costs. As a result, the potential annual savings while using current mitigation strategies range from 15% to 17%. CONCLUSION: The financial impact of drug wastage is substantial. Mitigation strategies lead to substantial cost savings, with the opportunity to reinvest those savings. More research is needed to determine the appropriate methods to minimize risk to patients while using the cost-saving mitigation strategies.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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