Cost-benefit analysis of pharmacist interventions over 36 months in a university hospital
Notice bibliographique
Résumé
OBJECTIVE: To perform a cost-benefits analysis of a clinical pharmacy (CP) service implemented in a Neurology ward of a tertiary teaching hospital. METHODS: This is a cost-benefit analysis of a single arm, prospective cohort study performed at the adult Neurology Unit over 36 months, which has evaluated the results of a CP service from a hospital and Public Health System (PHS) perspective. The interventions were classified into 14 categories and the costs identified as direct medical costs. The results were analyzed by the total and marginal cost, the benefit-cost ratio (BCR) and the net benefit (NB). RESULTS: The total 334 patients were followed-up and the highest occurrence in 506 interventions was drug introduction (29.0%). The marginal cost for the hospital and avoided cost for PHS was US$182±32 and US$25,536±4,923 per year; and US$0.55 and US$76.4 per patient/year. The BCR and NB were 0.0, -US$26,105 (95%CI -31,850 - -10,610), -US$27,112 (95%CI -33,160-11,720) for the hospital and; 3.0 (95%CI 1.97-4.94), US$51,048 (95%CI 27,645-75,716) and, 4.6 (95%CI 2.24-10.05), US$91,496 (95%CI 34,700-168,050; p < 0.001) for the PHS, both considering adhered and total interventions, respectively. CONCLUSIONS: The CP service was not directly cost-benefit at the hospital perspective, but it presented savings for forecast cost related to the occurrence of preventable morbidities, measuring a good cost-benefit for the PHS.
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 | 0,000 | 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) | 0,001 | 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 ».