Characterizing Potential Medication Related Harm in the 30-Days Following Hospitalization Using Linked Provincial Administrative Health Data
Notice bibliographique
Résumé
IntroductionPatients transitioning between hospital and home are at risk of experiencing adverse drug events. Hospital-based care teams require a better understanding of how therapeutic decisions and patient risk factors impact adverse health outcomes following discharge.
 Objectives and ApproachThe objective was to describe medications prescribed at discharge and quantify the association between these medication classes and risk of emergency department (ED) visits within 30 days. A retrospective, population-based cohort study was conducted using linked health administrative databases of adults discharged from hospital to the community between April 2016-March 2017, in Ontario, Canada. To distinguish medications prescribed at discharge from those by community providers, we examined medications dispensed in the 30-days following hospitalization but prior to another healthcare encounter (physician visit, ED visit, or rehospitalization). Adjusted logistic regression was used to determine the association between medication classes at discharge and ED visits in 30 days post discharge.
 ResultsOur study cohort included 214, 011 patients. Median age was 76 (IQR:66-82), 52% were females, 92% were discharged home and 8% were discharged to long term care. Patients were dispensed a median of 3 medications (IQR: 2-6). The most common medications included hydromorphone (16% of all patients, 71% of which represented new use), pantoprazole (15% of patients, 40% new use), furosemide (13% of patients, 34% new use), amlodipine (10% of patients, 35% new use) and oxycodone (9% of patients, 70% new use). To account for confounding by indication, we adjusted for age, sex, discharge service, discharge disposition, in hospital diagnoses and length of stay. Medications which were most highly associated with an increased risk of ED visits included antipsychotics, antiepileptics, anti-infectives, systemic corticosteroids, antihypertensives and cardiac stimulants.
 Conclusion / ImplicationsCharacterizing potential medication related harm in the 30-days following hospitalization is an important first step in understanding which patients may benefit most from hospital-based medication related interventions.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».