Prévention des évènements indésirables liés aux médicaments grâce au bilan des médicaments, aux divers points de transition du patient à l'hôpital
Bibliographic record
Abstract
Le but du bilan comparatif des médicaments est d avoir une parfaite connaissance des médicaments pris à domicile par le patient et de s assurer que le médecin prescripteur, à chaque moment critique de transfert de soins du patient (l admission, les transferts et le congé), décide et documente de manière éclairée de poursuivre, cesser ou modifier les médicaments que le patient prenait à la maison. Ce processus s applique aussi bien pour les séjours hospitaliers du patient, qu il soit de courte durée ou de longue durée, que pour les transitions du patient vers des soins à domicile. Il s agit de plus d une Pratique Organisationnelle Requise (POR) au Québec ainsi qu une Pratique Exigible Prioritaire (PEP) en France dans le cadre des certifications des établissements de santé. Le processus, au regard de la littérature, est prouvé comme très important, primordial et nécessaire dans le système de santé pour rendre plus sécuritaire les soins offerts aux patients car celui-ci permet de réduire, notamment, la survenue d évènements indésirables médicamenteux. Cependant, il ressort au travers de la bibliographie et des expériences de terrain que le protocole est plus complexe qu il n y paraît et nécessite temps, organisation et énergie. L objectif de ce travail est de présenter les aspects protocolaires, légaux et organisationnels qui entourent la démarche de BCM. Les points critiques pouvant entraver le déploiement sont décrits. Parmi ceux-ci, nous pouvons relever des difficultés inhérentes à la collecte de données pour la constitution de l histoire médicamenteuse (informations dispatchées et manque d outils de partage des données, manque de sensibilisation du patient, pénurie de professionnels et manque de temps, etc.). Certaines difficultés surviennent également à l étape de réconciliation des traitements (manque de protocolisation, défaut de communication interdisciplinaire, résistance des professionnels). Il apparaît donc nécessaire d insister encore davantage sur la responsabilisation des patients et la formation des professionnels au moyen d outils standardisés. Le succès de la démarche devra également s accompagner de suivi d indicateurs et de retours d informations. Mais plus encore, pour atteindre le déploiement optimal de la démarche au niveau hôpital et communautaire, il s avèrera utile de bénéficier des plateformes de données médicales informatisées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".