Barriers to penicillin allergy de-labeling in the inpatient and outpatient settings: a qualitative study
Notice bibliographique
Résumé
BACKGROUND: Penicillin allergy is the most commonly reported drug allergy in the US. Despite evidence demonstrating that up to 90% of labels are incorrect, scalable interventions are not well established. As part of a larger mixed methods investigation, we conducted a qualitative study to describe the barriers to implementing a risk-based penicillin de-labeling protocol within a single site Veteran's hospital. METHODS: We conducted individual and group interviews with multidisciplinary inpatient and outpatient healthcare teams. The interview guides were developed using the Theoretical Domains Framework (TDF) to explore workflows and contextual factors influencing identification and evaluation of patients with penicillin allergy. Three researchers iteratively developed the codebook based on TDF domains and coded the data using thematic analysis. RESULTS: We interviewed 20 clinicians. Participants included three hospitalists, five inpatient pharmacists, one infectious disease physician, two anti-microbial stewardship pharmacists, four primary care providers, two outpatient pharmacists, two resident physicians, and a nurse case manager for the allergy service. The factors that contributed to barriers to penicillin allergy evaluation and de-labeling were classified under six TDF domains; knowledge, skills, beliefs about capabilities, beliefs about consequences, professional role and identity, and environmental context and resources. Participants from all groups acknowledged the importance of penicillin de-labeling. However, they lacked confidence in their skills to perform the necessary evaluations, such as test dose challenges. The fear of inducing an allergic reaction and adding further complexity to patient care exacerbated their reluctance to de-label patients. The lack of ownership of de-labeling initiative was another significant obstacle in establishing consistent clinical workflows. Additionally, heavy workloads, competing priorities, and ease of access to alternative antibiotics prevented the prioritization of tasks related to de-labeling. Space limitations and nursing staff shortages added to challenges in outpatient settings. CONCLUSION: Our findings demonstrated that barriers to penicillin allergy de-labeling fall under multiple behavioral domains. Better role clarification, opportunities to develop necessary skills, and dedicated resources are needed to overcome these barriers. Future interventions will need to employ a systemic approach that addresses each of the behavioral domains influencing penicillin allergy de-labeling with stakeholder engagement of the inpatient and outpatient health care teams.
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 | 0,016 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,005 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».