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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,022 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».