Pharmacist-led educational interventions provided to healthcare providers to reduce medication errors: A systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Medication errors are avoidable events that can occur at any stage of the medication use process. They are widespread in healthcare systems and are linked to an increased risk of morbidity and mortality. Several strategies have been studied to reduce their occurrence including different types of pharmacy-based interventions. One of the main pharmacist-led interventions is educational programs, which seem to have promising benefits. OBJECTIVE: To describe and compare various pharmacist-led educational interventions delivered to healthcare providers and to evaluate their impact qualitatively and quantitatively on medication error rates. METHODS: A systematic review and meta-analysis was conducted through searching Cochrane Library, EBSCO, EMBASE, Medline and Google Scholar from inception to June 2020. Only interventional studies that reported medication error rate change after the intervention were included. Two independent authors worked through the data extraction and quality assessment using Crowe Critical Appraisal Tool (CCAT). Summary odds ratios (ORs) with 95% confidence intervals (CIs) were calculated using a random-effects model for rates of medication errors. Research protocol is available in The International Prospective Register of Systematic Reviews (PROSPERO) under the registration number CRD42019116465. RESULTS: Twelve studies involving 115058 participants were included. The two main recipients of the educational interventions were nurses and resident physicians. Educational programs involved lectures, posters, practical teaching sessions, audit and feedback method and flash cards of high-risk abbreviations. All studies included educational sessions as part of their program, either alone or in combination with other approaches, and most studies used errors encountered before implementing the intervention to inform the content of these sessions. Educational programs led by a pharmacist were associated with significant reductions in the overall rate of medication errors occurrence (OR, 0.38; 95% CI, 0.22 to 0.65). CONCLUSION: Pharmacist-led educational interventions directed to healthcare providers are effective at reducing medication error rates. This review supports the implementation of pharmacist-led educational intervention aimed at reducing medication errors.
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 | 0,015 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,021 | 0,034 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».