Using linked administrative, clinical and primary data to explore the impact of and factors associated with non-adherence to in-hospital medication changes in 30-days post hospital discharge
Notice bibliographique
Résumé
IntroductionIdentifying strategies to prevent hospital readmissions remains elusive since the reasons for returning to hospital can include a number of interlinked patient, health provider and system level factors. The impact of patient medications are of significant interest since a large proportion of re-admissions are related to adverse drug events. Objectives and ApproachThe objective was to determine which factors are associated with non-adherence to in-hospital medications and the impact of non-adherence on re-hospitalization, emergency department visits and death in the 30-days post discharge for patients admitted at two tertiary care academic hospitals in Montreal, Quebec between October 2014 and May 2016. Non-adherence to in-hospital changes was measured by comparing patient discharge prescriptions (patient chart) to medications filled in community 30-days post-discharge (dispensing data) and included i) community medications stopped in-hospital and filled post-discharge, ii) community medications modified in-hospital but not filled at the modified daily-dose, and iii) new medications not filled post-discharge. ResultsAmong 2,895 included patients, mean age was 70 (SD 15) and 58% were males. A median of 4 in-hospital medication changes were made (IQR:3-6) and 54% of patients were non-adherent to at least one change. Multivariable Poisson models suggested that the most important factor associated with the number of new medications not filled post discharge was out of pocket cost; for each additional $10 increase in costs there was a 20% increase in the number of new medications not filled. Multivariable time-varying Cox models suggested that in patients who filled medications post-discharge, selective non-adherence to new and discontinued medications reduced the risk adverse health outcomes in 30-days, while not filling any medications post discharge more than doubled the risk of an adverse event in 30-days. Conclusion/ImplicationsNot only did the majority of patients not follow all medication changes that were made during hospitalization, the extent to which this occurred significantly impacted the risk of hospital re-admissions and ED visits. Policy and patient level interventions should be developed specifically targeting barriers for adherence to medication changes.
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 | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».