Pilot study evaluating feasibility and utility of pharmacist-driven oral antineoplastic agent monitoring program
Notice bibliographique
Résumé
IntroductionOncologists are increasingly prescribing oral antineoplastic agents which have benefits and challenges impacting patient outcomes. Practice guidelines recommend monitoring symptoms and adherence without outlining any specific tools or methods for monitoring. Pharmacists are successful in monitoring patients on therapy and improving outcomes. We aimed to assess the feasibility and utility of a pharmacist-delivered and medical record-integrated adherence and symptom monitoring program for patients on oral antineoplastic agents.MethodsThis single-center, prospective, interventional study designed and implemented an adherence and monitoring program. A pharmacist contacted patients twice between clinic visits for three months. During telephone encounters, patients were verbally screened for medication adherence and assessed for new or changing symptoms using the Edmonton Symptom Assessment System as a signal of possible adverse events. We measured feasibility via patient enrollment, completed proportion of scheduled contacts, and pharmacist time. Utility was assessed through patient adherence, satisfaction surveys, healthcare resource utilization, and pharmacist interventions (i.e., patient education, adherence assistance, and symptom management).ResultsFifty-one patients participated. Ninety-one percent of scheduled patient contacts were completed. Edmonton Symptom Assessment System was administered by pharmacy personnel 102 times. Patient-reported adherence was 100%. Overall satisfaction was 85% and 100%, for patients and physicians, respectively. Fifty-one (98%) pharmacist recommendations were accepted. There were 14 total utilizations of healthcare resources—5.2 per 1000 patient days.ConclusionsThis study suggests a pharmacist monitoring program for patients taking oral antineoplastic agents is feasible and provides utility. Further research is needed to evaluate whether this program improves safety, adherence, and outcomes in patients using oral antineoplastic agents.
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 | 0,012 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».