Development and validation of PART (Pharmacotherapy Assessment in Renal Transplant Patients) criteria to assess drug‐related problems in an outpatient renal transplant population: A cross‐sectional study
Notice bibliographique
Résumé
Kidney transplant recipients are at risk of pharmacological interactions and adverse drug reactions. Community pharmacists are uniquely poised to detect and intervene in cases of drug-related problems. The aims of this study were to develop and validate a list of explicit criteria to be used by community pharmacists to assess drug-related problems in kidney transplant patients, and to assess their frequency and their determinants. First, we used a modified RAND method where a panel of experts established the PART (Pharmacotherapy Assessment in Renal Transplant Patient) criteria. Then, we performed a cross-sectional study in which we applied the PART criteria to 97 prevalent kidney transplant recipients followed at a single university-affiliated center. The final list of PART criteria included 70 drug-related problems and was reliable (kappa: 0.88). An average of 1.2 drug-related problems per patient was detected when the PART criteria were applied, with 68% of patients having at least 1 problem. This figure was 1.4 per patient using the expert judgment of renal transplant pharmacists who had no access to the PART list. The total number of medications taken was the only factor associated with the number of drug-related problems (β: 0.27 for an increase of five medications, 95% CI 0.005, 0.547). The PART criteria provide a novel tool for community pharmacists to systematically detect drug-related problems in kidney transplant recipients.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».