MétaCan
Menu
Retour à la cohorte
Enregistrement W4378715823 · doi:10.1136/bmjoq-2022-002211

Implementation of medication reconciliation in outpatient cancer care

2023· article· en· W4378715823 sur OpenAlexafffundabout
Melanie Powis, Celina Dara, Alyssa Macedo, Saidah Hack, L Ma, Ernie Mak, Lyndon Morley, Vishal Kukreti, Hemangi Dave, Ryan Kirkby, Monika K. Krzyzanowska

Notice bibliographique

RevueBMJ Open Quality · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePharmaceutical Practices and Patient Outcomes
Établissements canadiensUniversity of TorontoPrincess Margaret Cancer Centre
Organismes subventionnairesCanadian Association of Medical OncologistsPrincess Margaret Cancer Foundation
Mots-clésMedicinePharmacyBest practiceFamily medicineOutpatient clinicCancerMedical emergencyAmbulatory careWork (physics)NursingHealth carePolitical scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Medication reconciliation (MedRec) is a process where providers work with patients to document and communicate comprehensive medication information by creating a complete medication list (best possible medication history (BPMH)) then reconciling it against what patient is actually taking to identify potential issues such as drug-drug interactions. We undertook an environmental scan of current MedRec practices in outpatient cancer care to inform a quality improvement project at our centre with the aim of 30% of patients having a BPMH or MedRec within 30 days of initiating treatment with systemic therapy. METHODS: We conducted semi-structured interviews with key stakeholders from 21 cancer centres across Canada, probing on current policies, and barriers and facilitators to MedRec. Guided by the findings of the scan, we then undertook a quality improvement project at our cancer centre, comprising six iterative improvement cycles. RESULTS: Most institutions interviewed had a process in place for collecting a BPMH (81%) and targeted patients initiating systemic therapy (59%); however, considerable practice variation was noted and completion of full MedRec was uncommon. Lack of resources, high patient volumes, lack of a common medical record spanning institutions and settings which limits access to medication records from external institutions and community pharmacies were identified as significant barriers. Despite navigating challenges related to the COVID-19 pandemic, we achieved 26.6% of eligible patients with a documented BPMH. However, uptake of full MedRec remained low whereby 4.7% of patients had a documented MedRec. CONCLUSIONS: Realising improvements to completion of MedRec in outpatient cancer care is possible but takes considerable time and iteration as the process is complex. Resource allocation and information sharing remain major barriers which need to be addressed in order to observe meaningful improvements in MedRec.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,553
Tête enseignante GPT0,661
Écart entre enseignants0,108 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations8
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMJ Open QualityMême sujetPharmaceutical Practices and Patient OutcomesTravaux en français237 207