Medications Reconciled at Discharge Versus Admission Among Inpatients at a Children’s Hospital
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Discharge prescription practices may contribute to medication overuse and polypharmacy. We aimed to estimate changes in the number and types of medications reported at inpatient discharge (versus admission) at a tertiary care pediatric hospital. METHODS: Electronic medication reconciliation data were extracted for inpatient admissions at The Hospital for Sick Children from January 1, 2016, to December 31, 2017 (n = 22 058). Relative changes in the number of medications and relative risks (RRs) of specific types and subclasses of medications at discharge (versus admission) were estimated overall and stratified by the following: sex, age group, diagnosis of a complex chronic condition, surgery, or ICU (PICU) admission. Micronutrient supplements, nonopioid analgesics, cathartics, laxatives, and antibiotics were excluded in primary analyses. RESULTS: Medication counts at discharge were 1.27-fold (95% confidence interval [CI]: 1.25-1.29) greater than admission. The change in medications at discharge (versus admission) was increased by younger age, absence of a complex chronic condition, surgery, PICU admission, and discharge from a surgical service. The most common drug subclasses at discharge were opioids (22% of discharges), proton pump inhibitors (18%), bronchodilators (10%), antiemetics (9%), and corticosteroids (9%). Postsurgical patients had higher RRs of opioid prescriptions at discharge (versus admission; RR: 13.3 [95% CI: 11.5-15.3]) compared with nonsurgical patients (RR: 2.38 [95% CI: 2.22-2.56]). CONCLUSIONS: Pediatric inpatients were discharged from the hospital with more medications than admission, frequently with drugs that may be discretionary rather than essential. The high frequency of opioid prescriptions in postsurgical patients is a priority target for educational and clinical decision support interventions.
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 | 0,002 |
| 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 | 0,000 |
| 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 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 ».