Impact of the COVID-19 pandemic on drug-related issues and pharmacist interventions in geriatric acute care units
Notice bibliographique
Résumé
To assess and compare the activity of pharmaceutical analysis on drug management in a geriatric acute care unit prior to and during the COVID-19 pandemic. This was a single-centre, observational, retrospective, and comparative cohort study. All Pharmacist Interventions (PIs) carried out in the unit between 27 January 2020 and 30 April 2020 were distinguished according to whether they were conducted prior to or during the first wave of COVID-19. The main outcome measure was the rate of PIs per patient and per line of treatment analysed. Other data collected were the drug class managed by the PI, the Drug Related Problems (DRP) identified, the nature of the advice given, and the acceptance rate by geriatricians A total of 355 stays were analysed, with PIs generated for 21.7% of the stays prior to COVID-19, and for 53.4% of the stays during the first wave (p=1.029 E-9). Among the 4,402 lines of treatments analysed, 54 PIs were carried out for prescriptions prior to COVID-19, and 177 during the first wave (p=0.002). DRPs were mostly related to anti-infectious drugs during the pandemic (20.3%, p=0.038), and laxatives prior to the pandemic (13.0%, p=0.023). The clinical impact of the PIs was mainly moderate (43.7%). The acceptance rate was 59.3%. A greater amount of DRPs were detected and more therapeutic advice was proposed during the first wave of COVID-19, with a focus on drugs used for the management of COVID-19 rather than geriatric routine treatments. The needs for clinical pharmacists were strengthened during the pandemic.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».