Effects of a Computerized Prescriber Order Entry System on Pharmacist Prescribing
Notice bibliographique
Résumé
Background: In Alberta, pharmacists are eligible to obtain additional prescribing authority (APA). At the University of Alberta Hospital, a transition was made from a paper-based prescriber order entry system to a computerized prescriber order entry (CPOE) system. Objectives: The primary objective was to quantify any change in pharmacist prescribing after CPOE implementation. The secondary objective was to compare the paper-based and CPOE systems in terms of drug schedule, order type, medication class, and the pharmacist’s area of clinical practice. Methods: A retrospective comparative review of pharmacist orders was completed using 2-week periods of data from each of the paper-based order entry system and the CPOE system, spaced 1 year apart (in January 2019 and January 2020). Results: Pharmacists prescribed a mean of 3.76 (95% confidence interval 1.97–5.96) more orders per day within the CPOE system than in the paper-based system (p < 0.001). Schedule I medications accounted for a higher proportion of pharmacists’ prescriptions in the CPOE system than in the paper-based system (77.7% versus 70.5%, p < 0.001). In terms of order type, discontinuation orders accounted for a much higher proportion of pharmacists’ orders in the CPOE system than in the paperbased order entry system (58.0% versus 19.8%, p < 0.001). Conclusions: This study showed that a CPOE system resulted in more use of APA by pharmacists, with schedule I medications accounting for a higher proportion of pharmacists’ prescriptions. With the CPOE system, pharmacists used their prescribing privileges to discontinue a higher proportion of orders than was the case with the paperbased system. Therefore, the CPOE system is a potential facilitator of pharmacist prescribing. Keywords: pharmacist, prescribing, computer, medical order entry systems RÉSUMÉ Contexte : En Alberta, les pharmaciens peuvent obtenir des pouvoirs de prescription supplémentaires (PPS). À l’hôpital de l’Université de l’Alberta, le système de saisie des ordonnances est passé d’un système sur papier à un système de saisie électronique des ordonnances par les prescripteurs. Objectifs : L’objectif principal consistait à quantifier tout changement dans la prescription des pharmaciens après la mise en place du système de saisie électronique des ordonnances. L’objectif secondaire visait à comparer le système sur papier et le système de saisie électronique en matière d’annexe des médicaments, de type d’ordonnance, de catégorie de médicament et de domaine de pratique clinique du pharmacien. Méthodes : Un examen comparatif rétrospectif des ordonnances des pharmaciens a été réalisé à l’aide de périodes de données de 2 semaines provenant de chacun des systèmes (papier et électronique), avec un intervalle d’un an (janvier 2019 et janvier 2020). Résultats : Les pharmaciens prescrivaient en moyenne 3,76 (intervalle de confiance à 95 % 1,97–5,96) ordonnances de plus par jour avec le système de saisie électronique des ordonnances qu’avec le système sur papier (p < 0,001). La part des ordonnances de médicaments de l’annexe I était plus importante avec le système de saisie électronique qu’avec le système sur papier (77,7 % contre 70,5 %, p < 0,001). En ce qui concerne le type d’ordonnance, la part des ordonnances de cessation était beaucoup plus élevée avec le système de saisie électronique des ordonnances qu’avec le système de saisie sur papier (58,0 % contre 19,8 %, p < 0,001). Conclusions : Cette étude a démontré un plus grand recours au PPS lorsque les pharmaciens utilisaient un système de saisie électronique des ordonnances et les médicaments de l’annexe I représentant une proportion plus élevée des ordonnances. Avec le système de saisie électronique des ordonnances, les pharmaciens ont utilisé leur pouvoir de prescription pour interrompre une part plus élevée d’ordonnances que ce n’était le cas avec le système sur papier. Le système de saisie électronique des ordonnances est donc un facilitateur potentiel de la prescription par les pharmaciens. Mots-clés : pharmacien, prescription, informatique, systèmes d’entrée des ordonnances par les
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 | 0,006 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».