Pharmacist-led medication reconciliation at patient discharge: a tool to reduce healthcare utilization? an observational study in patients 65 years or older
Notice bibliographique
Résumé
BACKGROUND: Older patients often experience adverse drug events (ADEs) after discharge that may lead to unplanned readmission. Medication Reconciliation (MR) reduces medication errors that lead to ADEs, but results on healthcare utilization are still controversial. This study aimed to assess the effect of MR at discharge (MRd) provided to patients aged over 65 on their unplanned rehospitalization within 30 days and on both patients' experience of discharge and their knowledge of their medication. METHODS: An observational multicenter prospective study was conducted in 5 hospitals in Brittany, France. RESULTS: Patients who received both MR on admission (MRa) and MRd did not have significantly fewer deaths, unplanned rehospitalizations and/or emergency visits related to ADEs (OR = 1.6 [0.7 to 3.6]) or whatever the cause (p = 0.960) 30 days after discharge than patients receiving MRa alone. However, patients receiving both MRa and MRd were more likely to feel that their discharge from the hospital was well organized (p = 0.003) and reported more frequently that their community pharmacist received information about their hospital stay (p = 0.036). CONCLUSIONS: This study found no effect of MRd on healthcare utilization 30 days after discharge in patients over 65, but the process improved patients' experiences of care continuity. Further studies are needed to better understand this positive impact on their drug care pathway in order to improve patients' ownership of their drugs, which is still insufficient. Improving both the interview step between pharmacist and patient before discharge and the transmission of information from the hospital to primary care professionals is needed to enhance MR effectiveness. TRIAL REGISTRATION: NCT04018781 July 15, 2019.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».