Improving medication safety and prescribing of higher-risk medications in individuals with chronic kidney disease: A validation study
Notice bibliographique
Résumé
Background: Chronic kidney disease (CKD) affects 1 in 10 Canadians. Medications cleared by the kidneys can be harmful if dosed improperly. Community pharmacists are well-positioned to optimize prescribing, but inconsistencies between medication resources can complicate dosing. This study developed and validated higher-risk medication toolkits, including decision support algorithms for community pharmacists managing people with CKD. Methods: Fifty-one toolkits and algorithms were developed by team experts using Lynn’s method (domain identification, item generation per domain, and instrument formation). Team experts followed by community pharmacists rated toolkit content and algorithm face validity using a 2-part questionnaire with Likert scales. Each toolkit was validated by 5 to 6 participants over 2 rounds. Content validity was computed using an item-level content validity index (I-CVI) and scale-level content validity index (S-CVI/Ave) per round. Face validity calculated percentages for level of agreement to 5 statements. Community pharmacist interviews were conducted after each round, data analyzed, and toolkit revisions were made between rounds. Results: Twenty-two team experts validated 51 toolkits in 2 rounds between August and September 2024. Toolkit I-CVI, S-CVI/Ave, and face validity per algorithm ranged from 0.5 to 1, 0.87 to 1, and 49% to 100%, respectively. Thirteen toolkits were excluded from the community pharmacist validation. In 2 additional rounds, 23 community pharmacists, with 13.7 ± 9.1 years of experience, validated 38 medication toolkits between October and December 2024. Toolkit I-CVI and S-CVI/Ave and face validity per algorithm ranged from 0.83 to 1 and from 0.87 to 1, which met the content validity threshold of 0.83 to 1 ( P < 0.05) for at least 5 to 6 participants per round. Participants’ overall agreement for the face validity statements ranged from 75% to 100%, which was above the prespecified threshold of 70% for face validity consensus. Conclusions: Thirty-eight toolkits achieved high content and face validity. Future research will integrate them into a digital tool and assess their effectiveness and safety in community pharmacy practice in people with CKD.
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 | 0,030 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».