Avoiding a Med-Wreck: a structured medication reconciliation framework and standardized auditing tool utilized to optimize patient safety and reallocate hospital resources
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,089 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,007 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».