Failure to follow medication changes made at hospital discharge is associated with adverse events in 30 days
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the hypothesis that nonadherence to medication changes made at hospital discharge is associated with an increased risk of adverse events in the 30 days postdischarge. STUDY SETTING: Patients admitted to hospitals in Montreal, Quebec, between 2014 and 2016. STUDY DESIGN: Prospective cohort study. DATA COLLECTION: Nonadherence to medication changes was measured by comparing medications dispensed in the community with those prescribed at hospital discharge. Patient, health system, and drug regimen-level covariates were measured using medical services and pharmacy claims data as well as data abstracted from the patient's hospital chart. Multivariable Cox models were used to determine the association between nonadherence to medication changes and the risk of adverse events. PRINCIPAL FINDINGS: Among 2655 patients who met our inclusion criteria, mean age was 69.5 years (SD 14.7) and 1581 (60%) were males. Almost half of patients (n = 1161, 44%) were nonadherent to at least one medication change, and 860 (32%) were readmitted to hospital, visited the emergency department, or died in the 30 days postdischarge. Patients who were not adherent to any of their medication changes had a 35% higher risk of adverse events compared to those who were adherent to all medication changes (1.41 vs 1.27 events/100 person-days, adjusted hazard ratio: 1.35, 95% CI: 1.06-1.71). CONCLUSIONS: Almost half of all patients were not adherent to some or all changes made to their medications at hospital discharge. Nonadherence to all changes was associated with an increased risk of adverse events. Interventions addressing barriers to adherence should be considered moving forward.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».