Prioritizing Quality over Quantity: Defining Optimal Pharmacist-to-Patient Ratios to Ensure Comprehensive Direct Patient Care in a Medical or Surgical Unit
Notice bibliographique
Résumé
Background: The expanding scope of practice of hospital pharmacists has contributed to improvements in patient care; however, workload remains a barrier to the provision of optimal pharmaceutical care. Established ratios to guide clinical pharmacy staffing on medical and surgical units are lacking in Canada. Objectives: To determine the pharmacist-to-patient ratio that allows for provision of comprehensive pharmaceutical care to each patient on a medical or surgical unit and to determine which comprehensive care tasks can be delivered in settings where staffing is limited. Methods: A multiphase study was conducted in 6 hospitals. First, a modified Delphi study was conducted to define and prioritize the elements of comprehensive pharmaceutical care. Next, a work sampling study was conducted to establish the frequency of each task and the time required for completion. Finally, a workforce calculator was used to determine pharmacy staffing ratios. Results: Ten pharmacists participated in the modified Delphi study, and 31 participated in the work sampling study. A total of 15 comprehensive care tasks were identified, 7 of which were categorized as tasks to prioritize in settings where staffing is limited. The optimal staffing ratios were 1 pharmacist to 13 patients in internal medicine teaching units, 1 pharmacist to 26 patients in hospitalist or internal medicine nonteaching units, and 1 pharmacist to 14 patients in surgical units. Conclusions: The optimal staffing ratios determined in this study should enable pharmacists to provide comprehensive care to each patient. Implementing these staffing ratios could increase the consistency of clinical pharmacy services, improve patient outcomes, and improve pharmacists’ work satisfaction. Further research is required to validate these ratios in a variety of settings. RÉSUMÉ Contexte : L’élargissement du champ d’exercice des pharmaciens d’hôpitaux a contribué à l’amélioration des soins aux patients; cependant, la charge de travail reste un obstacle à la prestation de soins pharmaceutiques optimaux. Il n’existe pas de ratios établis pour guider la dotation en pharmacie clinique dans les unités médicales et chirurgicales au Canada. Objectifs : Déterminer le ratio pharmacien-patient permettant de fournir des soins pharmaceutiques complets à chaque patient dans une unité médicale ou chirurgicale donnée et déterminer quelles tâches de soins complets peuvent être dispensées dans des contextes où le personnel est limité. Méthodes : Une étude multiphase a été menée dans 6 hôpitaux. Tout d’abord, une étude Delphi modifiée a été menée pour définir et hiérarchiser les éléments d’une prise en charge pharmaceutique générale. Ensuite, une étude par échantillonnage de travaux a été menée afin d’établir la fréquence de chaque tâche et le temps nécessaire pour l’accomplir. Enfin, un calculateur d’effectifs a été utilisé pour déterminer les ratios de dotation en pharmacie. Résultats : Dix pharmaciens ont participé à l’étude Delphi modifiée et 31 ont participé à l’étude par échantillonnage de travail. Au total, 15 tâches de soins complets ont été identifiées, dont 7 ont été classées comme des tâches à prioriser dans des contextes où le personnel est limité. Les ratios d’effectifs optimaux étaient de 1 pharmacien pour 13 patients dans les unités d’enseignement de médecine interne, de 1 pharmacien pour 26 patients dans les unités non pédagogiques hospitalières ou de médecine interne et de 1 pharmacien pour 14 patients dans les unités chirurgicales. Conclusions : Les ratios d’effectifs optimaux déterminés dans cette étude devraient permettre aux pharmaciens de prodiguer des soins complets à chaque patient. Les mettre en œuvre pourrait accroître la cohérence des services de pharmacie clinique, améliorer les résultats pour les patients ainsi que la satisfaction au travail des pharmaciens. Des recherches supplémentaires sont nécessaires pour valider ces ratios dans divers contextes.
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 | 0,048 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| 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 ».