Documentation of drug related problems and their management in community pharmacy: Data evolution over six years
Notice bibliographique
Résumé
BACKGROUND: Documentation of pharmacists' activities, such as drug related problems (DRPs) management, is necessary to estimate fair remuneration but is rarely done in community pharmacies. OBJECTIVE: To document and evaluate the evolution of DRPs prevalence and management over six years. METHODS: Observational study carried out since 2016 in a community pharmacy. Documentation was made yearly for 21 days (depending on seasons, holidays and medical internship rotations) using the ClinPhADoc tool. Pharmacists documented: medication, DRP type, intervention, implied partner and time for DRP management. A subanalysis was made depending on the medical rotation. RESULTS: A total of 171 437 prescriptions were received and 6 844 (4.0%) documented with 1 550 DRPs. Most frequent DRPs were procedural (n = 506, 32.6%), dosage/posology (n = 263, 17.0%) and drug-drug interaction (n = 153, 9.9%). Mean time dedicated to DRP management was 6.9 min, the longest time was for clinical DRPs (11.0 min, SD = 6.6). Most DRPs (n = 726, 44.6%) were managed by the pharmacist alone taking less working time than when involving other stakeholders (p < 0.01). Statistically significant differences were found in DRPs between the beginning and end of medical rotation (p < 0.05). CONCLUSIONS: Documentation of DRP management allowed consistent results over the years. Patterns of DRPs can be used to develop inter-professional interventions to prevent DRPs.
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 | 0,028 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,016 | 0,018 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».