Impact Analysis of a Pharmacist-Led Home-Medication Review Service Within an Interprofessional Outreach Team
Notice bibliographique
Résumé
OBJECTIVE: To describe the demographic and clinical characteristics of frail and homebound communitydwelling older patients receiving a home medication review (HMR) conducted by a home-visiting pharmacist; the types of drug therapy problems (DTPs) that were identified; the types of clinical interventions being recommended and their implementation rate. DESIGN: Retrospective, cross-sectional chart-review study using data from patient records. SETTING: Homes of patients receiving a HMR by a community pharmacy-based consulting home-visiting pharmacist. PATIENTS: 171 patients received a HMR between January 1, 2016, and May 31, 2018. INTERVENTION: Patients received a comprehensive HMR by a home-visiting pharmacist working as a member of an interprofessional geriatrics team. MAIN OUTCOME MEASURES: Charlson Comorbidity Index (CCI) score, comorbidities, use of potentially inappropriate medications, DTPs identified, number and type of clinical interventions being recommended and successfully implemented. RESULTS: Patients had a mean age of 81 years (range: 54-100 years), majority were 65 years of age or older (95%), and female (59%). Fifty-three percent of patients had a CCI score of 1 to 2, and 93.6% were experiencing multi-morbidity and polypharmacy. Patients used an average of 13.0 medications, and 76.1% were found to be using at least 1 potentially inappropriate medication. In total, the home-visiting pharmacist identified 827 DTPs and made 1088 recommendations with a successful implementation rate of 74%. CONCLUSIONS: Frail and homebound communitydwelling older adults referred for a HMR were observed to be using a high number of medications with a significant number of DTPs identified. Offering HMRs was an effective method for a community-based pharmacist to make acceptable recommendations to optimize medication therapy management for frail older patients.
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 | 0,003 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».