Medication errors in community pharmacies: Evaluation of a standardized safety program
Notice bibliographique
Résumé
Background: The mandated reporting of medication-related errors in community pharmacies including incidents resulting in inappropriate medication use and near misses intercepted before reaching the patient can be utilized as learning opportunities to aid in the prevention of future events. Objectives: To examine reporting uptake, trends, and initial learnings from medication errors reported by community pharmacists to the Assurance and Improvement in Medication Safety (AIMS) Program based in Ontario, Canada between April 1st, 2018, and June 30th, 2021. Methods: A descriptive analysis was conducted of all events reported to the AIMS Program during the study period. The web-based reporting form includes a series of mandatory and optional fields completed by the reporter. Individual medications were grouped into broader classes prior to conducting the analysis. Results: Among the 31,768 event reports received from 2856 community pharmacies, there were 19,639 incidents and 12,129 near misses. Low reporting followed by a rapid increase was observed during expansion of the AIMS Program in 2018, with almost 60% of Ontario community pharmacies submitting at least 1 event over the study period. In most cases (90.5%), no patient harm was reported. The most frequent event types involved the incorrect drug (19.5%), concentration (17.2%) or quantity (14.5%). Approximately 25% of events were identified by the involved patient or their agent. When looking at medication classes, antihypertensives, opioids and antidepressants were involved in over one-quarter of overall and higher severity events. Environmental staffing problems and interruptions were the contributory factor and sub-factor most frequently reported, respectively. Conclusions: This study provides insights into engagement with the AIMS Program by Ontario community pharmacy teams since implementation in 2018. The identification of the circumstances and medications associated with both incidents and near misses, aids in the continued development of strategies and processes to help prevent future events.
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 | 0,031 | 0,061 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».