Medication Reconciliation in Veterans Receiving Dialysis at Edward Hines VA Hospital: A Quality Improvement Initiative
Notice bibliographique
Résumé
Background: Polypharmacy, commonly defined as use of 5 or more medications, is associated with higher morbidity, fall risk, functional decline and disability. We aimed to identify prevalence of medication discrepancy and possible risk factors in veterans receiving dialysis at Hines VA hospital. Methods: Eligible patients were asked to bring all pill bottles at least once during the study period, October 2022 to March 2023. Medical records were then reviewed to identify discrepancies. Collected data included age, race, sex, cause of end stage renal disease (ESRD), dialysis vintage time, dialysis modality, no: of providers involved, no: of prescribed medications and presence of care giver at home. Cognitive screening was done using Montreal Cognitive Assessment Test (MoCA). Results: A total 48 patients participated in the study. Baseline characteristics are shown in Table 1. 32 patients had at least one medication discrepancy. Compared to patients that completed MoCA (36/48), those that declined (12/48) had higher percentage of medication discrepancies (75% vs. 63%) despite having a caregiver (71% vs. 61%) (Image 1). 11 of the 12 patients declining MoCA were receiving hemodialysis (HD). Conclusions: We found high prevalence of medication discrepancy in our veteran ESRD patients. MoCA scores were not associated with medication discrepancies, but those declining MoCA or with poor overall interest tended to have more discrepancies. Our study limitation is small sample size of a single center veteran population. Funding: Veterans Affairs Support - Baseline characteristics of study population Age in years Average age: 68 Race 29-African American 17-White 2-Other race Sex 46-Male 2-Female Cause of ESRD 29-DM 6-HTN 3-GN 10-Other Dialysis vintage time in years Average 3.7 years Modality of dialysis (HD vs. PD) 41-HD 7-PD No: of providers involved in care Average: 3 No: of prescribed medications Average: 9 Mean MoCA score (N = 36) 20 (total score = 30) Image 1
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».