ClotAssist: A program to treat cancer-associated thrombosis in an outpatient pharmacy setting
Notice bibliographique
Résumé
Stable cancer patients diagnosed with a pulmonary embolus or deep vein thrombosis are commonly referred to the emergency department for management. This practice strains an already overburdened emergency department and is associated with long wait times and poor disease/injection education for patients. This pilot study sought to determine if stable cancer patients with newly diagnosed cancer-associated thrombosis could be effectively managed by community-based pharmacists who followed an evidence-based protocol to prescribe and initiate low-molecular weight heparin therapy. We hypothesized that this novel care pathway could provide faster patient care with more comprehensive disease education, self-injection training, and follow-up. Fifty-five patients with various cancers, including gastroesophageal, urogenital, breast, brain, and lung were enrolled into this pilot study. We observed that this alternative first-dose treatment pathway provided safe and effective treatment of venous thromboembolism combined with excellent patient satisfaction. Following their interaction with the pharmacist, patients felt confident about their ability to self-inject and about their venous thromboembolism management overall. No occurrences of bleeding or other side-effects were observed. This pilot study demonstrates that community-based pharmacists are capable of delivering complex care services in the outpatient environment, particularly in the management of venous thromboembolism.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».