Patient satisfaction with a pharmacist-led best possible medication discharge plan via tele-robot in a remote and rural community hospital
Notice bibliographique
Résumé
INTRODUCTION: Medication reconciliation (MedRec) reduces the risk of preventable medication-related adverse events (ADEs). A best possible medication discharge plan (BPMDP) is a revised list of medications a patient will take when discharged from hospital; a pharmacist review ensures accuracy. For many hospitals, on-site pharmacists are non-existent. Extension of a visual presence via a mobile robotic platform with real-time audiovisual communication by pharmacists to conduct MedRec remains unstudied. This study explored patient perceptions of a pharmacist-led BPMDP using a telepresence robot. Time requirements, unintentional discharge medication discrepancies (UMD), programme inefficiencies/barriers and facilitators involved in pharmacist review of the discharge medication list and patient interviews were also described. METHODS: This prospective cohort study enrolled adult patients admitted to a 12-bed community hospital at high risk of an ADE. Remote pharmacists reviewed the discharge prescription list, identified/resolved UMDs, and interviewed/counselled patients using a telepresence robot. Thereafter, patients completed an anonymous satisfaction questionnaire. Prescriber discharge UMDs were classified, and barriers/inefficiencies and facilitators were documented. RESULTS: Nine patients completed an interview, with a 75% interview agreement rate. All patients were comfortable with the robot and 76% felt their care was better. With a median of 11 discharge medications/patient, the UMD rate was 78%; 71% had omitted medications, 43% involved a cardiovascular medication, 88% were due to a hospital system cause, and 43% were specifically due to an inaccurate best possible admission medication history. Median times for interview preparation, interview and UMD/drug therapy problem resolution were 45, 15 and 10 min, respectively. CONCLUSION: Using a telepresence robot to provide pharmacist-led BPMDPs is acceptable to patients and an innovative, effective solution to identify/resolve UMDs.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».