Avoiding a Med-Wreck: a structured medication reconciliation framework and standardized auditing tool utilized to optimize patient safety and reallocate hospital resources
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The incidence of preventable adverse drug events (ADE) is approximately one medication error per patient per hospital-day. A quality medication reconciliation (MedRec) process is a crucial intervention used to reduce ADE in the hospital and community setting. Amid the coronavirus disease 2019 (COVID-19) pandemic, preventing medication errors is vital to avoid patient readmission, reduce disease complications, and reduce cost and patient burden on the healthcare system. OBJECTIVES: To develop a standardized MedRec framework that can be implemented in all healthcare settings to reduce patient and staff harm during COVID-19. Also, to create a standardized auditing tool used to assess the quality of the MedRec process and allow for continuous quality improvement. METHODS: A multi-site gap analysis (MGA) was performed to collect observational data that were collected from four different healthcare sites (two hospitals, a long-term care facility, and a community pharmacy). MGA consists of collecting data across several sites which answer a standardized questionnaire. A standardized MedRec framework and auditing tool were developed based on the gaps observed in each site and literature reviews. RESULTS: A standardized MedRec process was not implemented in any of the observed sites. The healthcare sites lacked a designated MedRec team and training related to the MedRec process leading to multiple discrepancies at discharge. Patients were not counselled on changes to home medications, and a discharge report was often not provided upon discharge. Communication mechanisms between community pharmacies and hospital physicians are not available or easily accessible. CONCLUSION: The proposed structured MedRec framework is vital to reduce medication errors and patient harm amid COVID-19. Moreover, the comprehensive auditing tool developed in this study allows for continuous quality improvement resulting in superior quality care, reduction of workflow inefficiencies, cost savings on hospital readmissions, and overall enhanced healthcare system performance.
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.
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 | 0,003 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle