Improving the Safety and Quality of Systemic Treatment Regimens in Computerized Prescriber Order Entry Systems
Notice bibliographique
Résumé
PURPOSE: Systemic treatment (ST) computerized prescriber order entry (CPOE) and preprinted orders (PPO) are proven to reduce errors. There is no known guidance in oncology to facilitate high-quality, accurate regimen development and review; hence, this was identified as a system-wide gap. This provincial initiative aimed to improve the quality of oncology regimens through a comprehensive review of systemic treatment (ST) regimens and the development of standards. METHODS: A system-wide analysis of all active regimens (both CPOE and PPO) to ensure they were built as intended was conducted in 2015. Thirty-five hospitals (on behalf of 75 treatment facilities) were asked to report any unintentional discrepancies and details of the maintenance review process. Discrepancies were compiled, categorized, and analyzed for potential to cause harm. In addition, a multidisciplinary expert working group was formed to create best practice recommendations. RESULTS: The review yielded a 94% response rate and took a total of 18 months to complete (70% completed within 9 months). The average number of regimens reviewed was 336 (range, 15 to 700; n = 9). Unintentional discrepancies were reported by nine hospitals (27%). A total of 369 discrepancies were reported (average, 55 per hospital), and 28 were deemed to have a moderate potential for harm. Only two hospitals (6%) had an established maintenance process; now, all have standard processes for review. Consensus-based recommendations for ST-CPOE and PPO regimen development and maintenance were developed. CONCLUSION: The review identified unintentional discrepancies and, because of the potential for patient harm, corrective action has been taken. Identified discrepancies have been amended, and standard regimen development and maintenance review processes are now implemented system-wide to improve the quality and safety of systemic treatment delivery.
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 | 0,114 | 0,343 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».