Interventions to address medication-related causes of hospital readmissions: A scoping review
Notice bibliographique
Résumé
Unplanned readmissions pose a tremendous burden on patients, providers, and payers. A significant proportion of readmissions are medication-related. Despite the availability of literature regarding hospital-level strategies to reduce readmissions, little has been written about strategies aimed at medication-related readmissions. We sought to identify successful readmission reduction strategies by performing a scoping literature review of research published between 2000 and 2017. We identified 21 studies that met our inclusion criteria. From these studies, we identified 7 components frequently employed as a part of interventions to reduce medication-related readmissions: discharge planning, discharge education, post-discharge telephone calls, the use of a professional coordinator with clinical training to administer the intervention, patient education efforts, provider training efforts, and medication reconciliation. Thirty-eight percent of all the interventions identified were associated with a statistically significant reduction in readmissions. Of the 7 common intervention components we identified, none were consistently associated with intervention success in the full sample. However, interventions implemented by inpatient hospitals, in particular academic medical centers, had a higher success rate than interventions implemented by other providers. We examined a subsample of larger studies and found that discharge planning and medication reconciliation components were included in most of the successful interventions. Future research should look beyond simply identifying components included in an intervention and should instead seek to identify contextual factors that enable or inhibit the success of these components. Research examining discharge planning and medication reconciliation efforts will be particularly important.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».