Using ActionADE to create information continuity to reduce re-exposures to harmful medications: study protocol for a randomized controlled trial
Notice bibliographique
Résumé
BACKGROUND: Repeat exposures to culprit medications are a common cause of preventable adverse drug events. Health information technologies have the potential to reduce repeat adverse drug events by improving information continuity. However, they rarely interoperate to ensure providers can view adverse drug events documented in other systems. We designed ActionADE to enable rapid documentation of adverse drug events and communication of standardized information across health sectors by integrating with legacy systems. We will leverage ActionADE's implementation to conduct two parallel, randomized trials: patients with adverse drug reactions in the main trial and those diagnosed with non-adherence in a secondary trial. Primary objective of the main trial is to evaluate the effects of providing information continuity about adverse drug reactions on culprit medication re-dispensations over 12 months. Primary objective of the secondary trial is to evaluate the effect of providing information continuity on adherence over 12 months. METHODS: We will conduct two parallel group, triple-blind randomized controlled trials in participating hospitals in British Columbia, Canada. We will enroll adults presenting to hospital with an adverse drug event to prescribed outpatient medication. Clinicians will document the adverse drug event in ActionADE. The software will use an algorithm to determine patient eligibility and allocate eligible patients to experimental or control. In the experimental arm, ActionADE will transmit information to PharmaNet, where adverse drug event information will be displayed in community pharmacies when re-dispensations are attempted. In the control arm, ActionADE will retain information in the local record. We will enroll 3600 adults with an adverse drug reaction into the main trial. The main trial's primary outcome is re-dispensation of a culprit or same-class medication within 12 months; the secondary trial's primary outcome will be adherence to culprit medication. Secondary outcomes include health services utilization and mortality. DISCUSSION: These studies have the potential to guide policy decisions and investments needed to drive health information technology integrations to prevent repeat adverse drug events. We present an example of how a health information technology implementation can be leveraged to conduct pragmatic randomized controlled trials. TRIAL REGISTRATION: ClinicalTrials.gov NCT04568668 , NCT04574648 . Registered on 1 October 2020.
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 | 0,012 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 ».