Effect of electronic drug-drug interaction alerts on patient and clinician outcomes: a systematic review
Notice bibliographique
Résumé
OBJECTIVES: Drug interaction checking software is ubiquitous in clinical decision support systems (CDSS-DI) but patient relevance and accuracy are variable and the impact on patient outcomes is unproven. We compared the effectiveness of CDSS-DI with similar care without CDSS-DI. MATERIALS AND METHODS: We searched multiple bibliographic databases from 1990 to end-2024 for randomized trials (RCTs) or prospective cohort studies evaluating CDSS-DI at prescription, dispensing, or administration compared to a control group, and assessing clinical, process and burden outcomes. We used Cochrane Risk of Bias v2.0 and ROBINS-I to assess risk of bias and random effects modeling using meta 6.0 package in R for meta-analysis. RESULTS: Eight studies were included-7 RCTs (2 parallel and 5 cluster) and 1 prospective cohort study (total N = 43 413 patients). Mortality rates were similar between intervention (0.14%) and control (0.07%) groups (OR: 1.94 [95% CI: 0.88-4.29], P = .078). One study reported a minor, possibly irrelevant, 3-hour decrease in length of stay (P = .0021) in the intervention group. CDSS-DI alerts modestly influenced prescribing behavior (OR: 2.08 [95% CI: 1.01-4.27], P = .05), but did not significantly reduce the incidence of targeted adverse drug interactions (OR: 0.86 [95% CI: 0.56-1.34], P = .37). DISCUSSION: Surprisingly little high-quality research addresses the effect of CDSS-DI on patient or clinician outcomes. Current evidence continues to suggest no major benefit for patient-important outcomes. Given the potential for harms and important time burdens, CDSS-DI alerting needs improvement. CONCLUSION: CDSS-DI alerts show no significant improvement in patient-important outcomes. Optimizing alert accuracy, clinical relevance, and patient-specific integration is essential to enhance their value in practice.
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 | 0,009 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».