MétaCan
Menu
Retour à la cohorte
Enregistrement W2980530076 · doi:10.12927/cjnl.2019.25958

Case Study: Using Electronic Medication Administration Record to Enhance Medication Safety and Improve Efficiency in Long-Term Care Facilities

2019· article· en· W2980530076 sur OpenAlexaffvenueabout
Liping Fei, Jenny Robinson, Andrea Macneil

Notice bibliographique

RevueNursing leadership · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensOffice of the Chief Medical Examiner
Organismes subventionnairesnon disponible
Mots-clésMedical emergencyElectronic health recordAdministration (probate law)MedicinePatient safetyNursingTerm (time)Health careLong-term care

Résumé

récupéré en direct d'OpenAlex

The electronic medication administration record (eMAR) has been used in hospitals and acute care facilities in Canada for over a decade. Unfortunately, the Canadian continuing care sector has been slow to adopt eMAR usage. Medication delivery in long-term care has traditionally been through paper-based orders and manual documentation in the paper medication administration record. The effectiveness of this manual system as it relates to medication incidents, patient safety and nursing efficiency is not well understood because most of the information is based on anecdotal evidence. Peer-reviewed scientific literature supports the premise that the eMAR, compared to the MAR, is more efficient, significantly reduces medication incidents, promotes patient safety and improves workflow efficiency. In April 2016, the Brenda Strafford Foundation committed to implementing the eMAR at each of our three long-term care facilities to improve medication delivery, reducing and eliminating medication incidents and evaluating the benefits of the electronic system. Under the direction of the clinical team, including nurses, physicians, pharmacists, and the software provider/vendor, an electronic system was developed and new processes for medication delivery were instituted within eight months of starting the project. Since the past year, the evaluation of the eMAR at the Brenda Strafford Foundation demonstrated a reduction in medication delivery time allowing for more time for direct care and a decrease in medication incidents, which directly affects resident health and safety. Nursing and the healthcare aides trained in medication management were surveyed and indicated that the eMAR provides a holistic view of the resident and provides important information readily available to improve the quality of resident care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,002
Communication savante0,0020,002
Science ouverte0,0030,003
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,130
Tête enseignante GPT0,445
Écart entre enseignants0,314 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNursing leadershipMême sujetElectronic Health Records SystemsTravaux en français237 207