Background: Previous studies have quantified wastage involving drugs that are available in multiple-dose formats. Ipratropium bromide by metered dose inhaler (MDI) is commonly used in hospitals, and may be contributing to waste of pharmaceutical and financial resources.
Objectives: The primary objective was to quantify the number of patients in the authors’ health authority with waste of at least 1 ipratropium MDI. Secondary outcomes were the total number of wasted inhalers, the total number of wasted doses, the cost of wasted inhalers, the cost of wasted doses, and possible factors or explanations for inhaler wastage.
Methods: A retrospective chart review was conducted for patients with an order for ipratropium by MDI in 2019 at one of the acute care sites within the health authority (predefined sample size 336). The number of inhalers dispensed was compared with doses received to determine the number of inhalers wasted. Each patient’s electronic chart was audited for possible factors and explanations for wasting of inhalers.
Results: Of the 336 patients, 79 (24%) had wastage of at least 1 inhaler. In total, 34% (98/290) of all inhalers dispensed and 87% (50 693/58 000) of all doses dispensed were wasted. The total cost of wasted inhalers for the sample population was 2156.Themostcommonreasonforinhalerwastagewasnodosesbeingadministeredafteraninhalerwasdispensed;thesecondmostcommonreasonwasdispensingofanextrainhalerassociatedwithachangeindirectionsforuse.Conclusions:Theuseofmultiple−doseMDIproductsinhospitalscanleadtowastageofdrugsandfinancialresources.Proceduresneedtobeimplementedtoaidpharmacyandnursingstaffinensuringthemostefficientuseoftheseproducts.Evaluationsofpilotmethodstomitigatethiswasteareencouraged.REˊSUMEˊContexte:Deseˊtudesanteˊrieuresontquantifieˊlegaspillagedemeˊdicamentsdisponiblesdansdesformatsmultidoses.Lebromured’ipratropiumadministreˊparinhalateur−doseur(ID)estcommuneˊmentutiliseˊdanslesho^pitauxetpourraitentraı^nerungaspillagedesressourcespharmaceutiquesetfinancieˋres.Objectifs:L’objectifprincipalconsistaitaˋquantifierlenombredepatientsrelevantdel’autoriteˊsanitairedesauteurs,quieˊtaientsourced’ungaspillaged’aumoinsunIDd’ipratropium.Lesreˊsultatssecondairesvisaientaˋdeˊterminerlenombretotald’inhalateursetdedosesgaspilleˊs,lecou^tassocieˊaugaspillagedesunsetdesautres,ainsiquelesfacteurspouvantexpliquercettesituation.Meˊthodes:Lesdossiersdespatientsayantrec\cuuneprescriptiond’ipratropiumadministreˊeparIDen2019dansl’undessitesdesoinsintensifsdel’autoriteˊsanitaireontfaitl’objetd’unexamenreˊtrospectif(tailledel’eˊchantillonpreˊdeˊfinie:336).Unecomparaisonentrelenombred’inhalateursdistribueˊsetlesdosesrec\cuesapermisdedeˊterminerlenombred’inhalateursgaspilleˊs.Laveˊrificationdechaquedossiereˊlectroniquedespatientsareˊveˊleˊlesfacteursetlesexplicationspossiblesdugaspillagedesinhalateurs.Reˊsultats:Surles336patients,onanoteˊungaspillaged’aumoinsuninhalateurtousles79patients(24. La raison du gaspillage la plus fréquente était l’absence de doses administrées après la distribution d’un inhalateur; la deuxième raison concernait la distribution d’un inhalateur supplémentaire associée à une modification des instructions relatives à son utilisation.
Conclusions : L’utilisation de produits ID multidoses dans les hôpitaux peut entraîner un gaspillage de médicaments et de ressources financières. Des procédures doivent être mises en place pour aider les membres du personnel des pharmacies et le personnel infirmier à utiliser plus efficacement ces produits. Il serait indiqué de procéder à des évaluations de méthodes pilotes pour atténuer ce gaspillage
RÉSUMÉ
Contexte : L’intelligence artificielle (IA) est une avancée technologique qui consiste à amener une machine à imiter une forme d’intelligence.
Objectifs : L’objectif principal est d’effectuer une revue narrative des études évaluant la faisabilité et l’impact de l’IA en pharmacie. L’objectif secondaire est de développer une carte heuristique entourant l’IA en santé.
Sources des données : Nous avons consulté quatre bases de données, soit PubMed, Medline, Embase et CINAHL.
Sélection des études et extraction des données : Quatre stratégies de recherche ont été élaborées. Sélection des articles sur la base du titre, de l’abrégé puis du texte par une assistante de recherche, suivie d’une révision par un pharmacien de l’équipe. Les articles pris en compte doivent décrire ou évaluer la faisabilité ou l’impact de l’IA en pharmacie.
Synthèse des données : À partir de la revue documentaire, 362 articles ont été sélectionnés au départ, 18 d’entre eux ont été retenus selon les critères d’inclusion. De façon générale, on note que les études ont été surtout menées aux États-Unis (72 %, 13/18). Les études portent, par ordre d’importance décroissant, sur la prédiction de la réponse aux traitements et la prédiction d’effets indésirables (33 %, 6/18), la priorisation des patients (28 %, 5/18), l’adhésion thérapeutique (22 %, 4/18), la validation d’ordonnances et la prescription électronique (17 %, 3/18) et d’autres thèmes (p. ex. diagnostic, coûts, assurance, vérification de volumes de seringue).
Conclusions : Cette revue narrative met en évidence 18 études évaluant la faisabilité et l’impact de l’IA en pharmacie. Ces études ont utilisé différentes approches méthodologiques dans divers domaines d’application, en officine comme en établissement de santé. Il est encore trop tôt pour prédire les retombées de l’IA en pharmacie, mais ces études soulignent l’importance de s’y intéresser.
ABSTRACT
Background: Artificial intelligence (AI) can be described as an advanced technology in which machines display a certain form of intelligence.
Objectives: The primary objective was to perform a narrative review of studies evaluating the feasibility and impact of AI in pharmacy. The secondary objective was to create a mind map of AI in health care.
Data Sources: Four databases were consulted: PubMed, Medline, Embase, and CINAHL.
Study Selection and Data Extraction: Four search strategies were developed. Initial selection of articles was based on their titles and abstracts; the full texts were then evaluated by a research assistant, with review by a pharmacist. Articles were included if they described or evaluated the feasibility or impact of AI in pharmacy.
Data Synthesis: A total of 362 articles were identified by the literature review, of which 18 met the inclusion criteria. The studies were mainly conducted in the United States (72%, 13/18). The article topics were, in decreasing order, prediction of response to treatments and adverse effects (33%, 6/18), patient prioritization (28%, 5/18), treatment adherence (22%, 4/18), validation of prescriptions and electronic prescription (17%, 3/18), and other themes (e.g., diagnosis, costs, insurance, and verification of syringe volume).
Conclusions: This narrative review highlighted 18 studies evaluating the feasibility and impact of AI in pharmacy. The studies used various methodologies in different settings, both retail pharmacies and hospital pharmacies. It is still too soon to predict the implications of AI for pharmacy, but these studies emphasize the importance of attention in this area
The Canadian Journal of Hospital Pharmacy (CJHP) / Le Journal canadien de la pharmacie hospitalière (JCPH)
Access Repository Dashboard
Do you manage Open Research Online? Become a CORE Member to access insider analytics, issue reports and manage access to outputs from your repository in the CORE Repository Dashboard! 👇