MétaCan
Menu
Retour à la cohorte
Enregistrement W4220800238 · doi:10.1093/ijpp/riac019.034

Language used to describe medication review activities: does it require standardisation? A narrative synthesis

2022· article· en· W4220800238 sur OpenAlexaboutno aff
M. R. Alharthi, Jeanette Blacklock, Sion Scott, D. M. Wright

Notice bibliographique

RevueInternational Journal of Pharmacy Practice · 2022
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionData extractionSystematic reviewMEDLINEPopulationGrey literatureConsolidated Standards of Reporting TrialsIntervention (counseling)Critical appraisalDescriptive statisticsHealth careAlternative medicineFamily medicineNursingPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Medication review (MR) is a health care professional’s systematic assessment of a patient’s medications with recommendations for improvement (1). To enable comparison between different evaluations of medication review-based interventions to determine whether the nature of activity differs, it is important that standardised language is used. Currently, there is no accepted international taxonomy for describing medication review activities. Therefore, we undertook a systematic review of literature with narrative synthesis to determine whether standardisation may be appropriate. Aim To determine the range of terms used to describe medication review activities. Method A PROSPERO registered systematic review (CRD 42020215992) was performed using search terms according to the Population, Intervention, Comparison and Outcome (PICO) framework. ‘Population’ & ‘Comparison’ were not used. Synonyms for medication review activities were used for both ‘Intervention’ and ‘Outcomes’, e.g., stop, start, change, alter. We included all papers reporting medication review activities in English with empirical data. Papers not using language to describe medication review activities were excluded. Two researchers reviewed all titles, abstracts, and full-text papers independently; discussion resolved any disagreement. Data extraction was carried out independently as per Cochrane Effective Practice and Organisation of Care (EPOC) as follows: The papers were assessed using the Mixed Method Appraisal Tool (MMAT). The research team themed the extracted terms. Results After deleting duplicates, 9746 titles were screened. Twenty-one studies were included: eight quantitative non-randomised trials, eight randomised controlled trials, and five quantitative descriptive studies. The studies covered the UK, Netherlands, Australia, Sweden, Norway, Belgium, Canada, and Jordan. The table summarises the medication review activities reported in these papers. Conclusion Various authors reported medication review activities. ‘Alter’ and ‘adaptation’ are examples of ambiguous terms. Determining whether actions are related with activities to reduce or increase doses is difficult due to such terminology. As a result, comparing medication review approaches may be difficult. Limiting the search strategy to English-language only may have missed some studies. A taxonomy to describe and define medication review activities, thereby standardising MR reporting, should improve the presentation of data from process evaluations and the ability to compare activity between studies. Reference (1) Christensen M, Lundh A. Medication review in hospitalised patients to reduce morbidity and mortality. Cochrane Database Syst Rev [Internet]. 2016 Feb 20; Available from: https://doi.wiley.com/10.1002/14651858.CD008986.pub3

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,723
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,498
Écart entre enseignants0,375 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Pharmacy PracticeMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207