Electronic Medication Administration Records in Long‐Term Care Facilities: A Scoping Review
Notice bibliographique
Résumé
OBJECTIVES: To map the extent, range, and nature of research on the effectiveness, level of use, and perceptions about electronic medication administration records (eMARs) in long-term care facilities (LTCFs) and identify gaps in current knowledge and priority areas for future research. DESIGN: Scoping review of quantitative and qualitative literature. SETTING: Literature review. PARTICIPANTS: Original research relating to eMAR in LTCF was eligible for inclusion. MEASUREMENTS: We systematically searched MEDLINE, CINAHL, Scopus, ProQuest, and the Cochrane Library and performed general and advanced searches of Google to identify grey literature. Two authors independently screened for eligibility of studies. Independent reviewers extracted data regarding country of origin, design, study methods, outcomes studied, and main results in duplicate. RESULTS: We identified 694 articles, of which 34 met inclusion criteria. Studies were published between 2006 and 2016 and were mostly from the United States (n=25). Twenty studies (59%) used quantitative methods, including surveys and analysis of eMAR data; 7 (21%) used qualitative methods, including interviews, focus groups, document review, and observation; and 7 (21%) used mixed methods. Three major research areas were explored: medication and medication administration error rates (n=11), eMAR benefits and challenges (n=19), and eMAR prevalence and uptake (n=15). Evidence linking eMAR use and reductions in medication errors is weak because of suboptimal study design and reporting. The majority of studies were descriptive and documented inconsistent benefits and challenges and low levels of eMAR implementation. CONCLUSION: Further investigation is required to rigorously evaluate the effect of standalone eMAR systems on medication administration errors and patient safety, the extent of eMAR implementation, pharmacists' perceptions, and cost effectiveness of eMAR systems in LTCF.
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 | 0,053 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,005 |
| Bibliométrie | 0,032 | 0,036 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».