Medications that reduce emergency hospital admissions: an overview of systematic reviews and prioritisation of treatments
Notice bibliographique
Résumé
BACKGROUND: Rates of emergency hospitalisations are increasing in many countries, leading to disruption in the quality of care and increases in cost. Therefore, identifying strategies to reduce emergency admission rates is a key priority. There have been large-scale evidence reviews to address this issue; however, there have been no reviews of medication therapies, which have the potential to reduce the use of emergency health-care services. The objectives of this study were to review systematically the evidence to identify medications that affect emergency hospital admissions and prioritise therapies for quality measurement and improvement. METHODS: This was a systematic review of systematic reviews. We searched MEDLINE, PubMed, the Cochrane Database of Systematic Reviews & Database of Abstracts of Reviews of Effects, Google Scholar and the websites of ten major funding agencies and health charities, using broad search criteria. We included systematic reviews of randomised controlled trials that examined the effect of any medication on emergency hospital admissions among adults. We assessed the quality of reviews using AMSTAR. To prioritise therapies, we assessed the quality of trial evidence underpinning meta-analysed effect estimates and cross-referenced the evidence with clinical guidelines. RESULTS: We identified 140 systematic reviews, which included 1968 unique randomised controlled trials and 925,364 patients. Reviews contained 100 medications tested in 47 populations. We identified high-to moderate-quality evidence for 28 medications that reduced admissions. Of these medications, 11 were supported by clinical guidelines in the United States, the United Kingdom and Europe. These 11 therapies were for patients with heart failure (angiotensin-converting-enzyme inhibitors, angiotensin II receptor blockers, aldosterone receptor antagonists and digoxin), stable coronary artery disease (intensive statin therapy), asthma exacerbations (early inhaled corticosteroids in the emergency department and anticholinergics), chronic obstructive pulmonary disease (long-acting muscarinic antagonists and long-acting beta-2 adrenoceptor agonists) and schizophrenia (second-generation antipsychotics and depot/maintenance antipsychotics). CONCLUSIONS: We identified 11 medications supported by strong evidence and clinical guidelines that could be considered in quality monitoring and improvement strategies to help reduce emergency hospital admission rates. The findings are relevant to health systems with a large burden of chronic disease and those managing increasing pressures on acute health-care services.
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 | 0,026 | 0,092 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,013 |
| Bibliométrie | 0,025 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».