XiaoMi-AI文件搜索系统
World File Search System用药
人为因素设计研究协议
背景：用药指南包含重要的相互作用和副作用，内容广泛而复杂。由于信息详尽，患者无法记住必要的用药信息，这可能导致住院和不遵守用药规定。在理解患者管理复杂用药信息的认知方面存在差距。然而，技术和人工智能 (AI) 的进步使我们能够了解患者的认知过程，从而设计一款应用程序，更好地向患者提供重要的用药信息。目标：我们的目标是改进基于人工智能和人为因素的创新界面的设计，以支持患者理解用药信息，从而有可能提高用药依从性。方法：本研究有三个目标。目标 1 分为三个阶段：(1) 观察性研究，以了解患者对用药信息的恐惧和偏见的感知，(2) 眼动追踪研究，以了解用药信息的注意力中心，以及 (3) 心理不应期 (PRP) 范式研究，以了解功能。将收集观察数据，例如音频和视频记录、凝视映射和 PRP 时间。本研究将纳入总共 50 名患者，年龄在 18-65 岁之间，他们开始服用至少一种新药物（我们为其开发了可视化信息），并且在使用 TICS-M 测试和健康素养水平进行的认知筛查中认知状态为 34。在目标 2 中，我们将利用从目标 1 的每个组件获得的知识，以智能手机应用程序的形式迭代设计和评估一个由人工智能驱动的药物信息可视化界面。界面将通过两次可用性调查进行评估。总共将招募 300 名患有糖尿病、心血管疾病或精神健康障碍的 18-65 岁患者参加调查。调查数据将通过探索性因子分析进行分析。在目标 3 中，为了测试原型，将采用双臂研究设计。该目标将包括 900 名患者，年龄在 18-65 岁之间，可以上网，没有任何认知障碍，并且至少服用两种药物。患者将按顺序随机分配。将使用三项调查来评估药物信息理解的主要结果和 12 周时药物依从性的次要结果。结果：初步数据收集将于 2021 年进行，结果预计将于 2022 年公布。结论：这项研究将引领基于人工智能的创新数字界面设计的未来，并有助于提高药物理解，从而可能提高药物依从性。这项研究的结果也将开启未来的研究
氢氧化钙与2%硫酸镁混合使用的效果...
目的：对患有牙髓坏死的慢性根尖周炎成年患者，分别使用氢氧化钙糊剂根管内用药、仅氢氧化钙糊剂根管内用药和未使用根管内用药的机械预备方法，评估术后疼痛并定量细菌内毒素。材料和方法：45 名患有牙髓坏死的单根牙患者分为 3 组（n=15），第一组仅接受机械预备，第二组仅接受氢氧化钙根管内用药，第三组接受氢氧化钙和 2% 氯己定凝胶混合物根管内用药。使用数值评定量表评估术后疼痛体验，同时使用发色终点鲎试剂盒 (LONZA) 来量化内毒素的量。结果：与氢氧化钙糊剂和2%氯己定凝胶混合物相比，氢氧化钙在减少术后4小时和24小时的疼痛方面效果显著，而混合物在减少内毒素方面效果更佳，但统计学上无显著差异。结论：在坏死牙中每隔2周使用一种根管内药物有助于缓解术后疼痛并减少内毒素。关键词：根管内药物，氢氧化钙，2%氯己定凝胶，细菌内毒素。
第 29 卷，第 4 期，2024 年 2 月 22 日 - ISMP
ISMP 发布了 2024-2025 年针对医院的用药安全最佳实践 (www.ismp.org/node/160)，其目的是确定、启发和动员全国广泛采用基于共识的最佳实践，以解决尽管 ISMP 出版物中多次警告但仍继续导致致命和有害错误的反复出现的问题。最佳实践由外部专家咨询小组审查并经 ISMP 董事会批准，代表了高杠杆的错误减少策略，其中许多已被医院成功采用。虽然最佳实践对于某些组织来说可能难以实现，但它们都是实用和现实的，它们在减少用药错误方面的价值基于科学研究和/或专家对用药错误及其原因的分析。它们的实施可以极大地提高用药安全性并降低严重伤害患者的风险。虽然这些最佳实践是为医院创建的，但其中一些适用于其他医疗保健环境。 ISMP 还提供了适用于社区药房的版本（www.ismp.org/node/65345）。
创新与解决问题：NCPDP 标准观点
在电子处方工具中检查患者的同意设置 • 患者的完整处方历史 - 患者同意：将检索患者在 Practice Fusion 网络内外所有诊所就诊的所有提供者的完整用药历史（PBM 索赔和药房填写）。即使只是处方提供者，也需要此设置来检索患者的药房填写用药历史。
ASHP 关于药房人工智能的声明
立场 人工智能 (AI) 有潜力通过提供创新方法来收集临床、操作和经济知识，从而改善患者护理和用药过程；协助最终用户；增强教育体验；并简化药房实践中的行政流程。1 药房工作人员具有独特的优势，可以作为医疗保健领域 AI 进步的关键贡献者和领域专家。他们应该在影响用药过程和相关任务的 AI 相关应用和技术的决策、设计、验证、实施和持续评估方面发挥领导作用。1 药房领导者应使用科学方法为 AI 技术定义适当的药物相关用例，并确定用药过程的哪些方面最好由药房工作人员、AI 或从基于 AI 的系统获得信息或支持的药房工作人员来处理。
人工智能识别预防造成严重或中度伤害的用药事件：使用事件报告者的观点进行分析
摘要：本研究旨在描述人工智能识别的事件报告者对预防评估的对患者造成严重或中度伤害的用药事件的看法。这些信息确定了这些用药事件中最重要的风险管理领域。这是一项回顾性记录审查，使用了 2017 年 1 月至 2019 年 12 月期间芬兰一所大学医院的用药相关事件报告（n = 3496）。其中，使用人工智能分析了对患者造成严重或中度伤害的事件（n = 137）。人工智能将报告者对预防事件的看法分为以下主要类别：（1）治疗、（2）工作、（3）实践和（4）环境以及多个子类别。确定了以下风险管理领域：（1）验证、记录和最新药物剂量、药物清单和其他药物信息，（2）药物管理的谨慎性和准确性，（3）确保有关药物信息的信息和沟通流动，保障患者护理的连续性，（4）可用性、更新和遵守说明和指南，（5）多专业合作，以及（6）充足的人力资源、能力和适当的工作量。人工智能被发现对分类基于文本的数据（例如事件报告的自由文本）有用且有效。
医疗保健提供者情况说明书：紧急使用......
警告：与 PAXLOVID 有显著的药物相互作用 1 紧急使用授权 2 剂量和给药 2.1 PAXLOVID 紧急使用的重要剂量和给药信息 2.2 推荐剂量 2.3 肾功能不全患者的用药剂量 2.4 肝功能不全患者的用药 3 剂型和剂量规格 4 禁忌症 5 警告和注意事项 5.1 药物相互作用导致严重不良反应的风险 5.2 超敏反应 5.3 肝毒性 5.4 HIV-1 耐药性发展的风险 6 不良反应 6.1 临床试验经验 6.2 授权后经验 6.4 严重不良事件和用药错误的报告要求 7 药物相互作用 7.1 PAXLOVID 对其他药物的影响 7.2 其他药物对 PAXLOVID 的潜在影响 7.3 已确定的和其他潜在的重要药物相互作用 8 在特定人群中的使用 8.1 怀孕
种族/民族 药物过量死亡趋势情况说明书
过去十年中，过量用药死亡人数的增加很大程度上是由于阿片类药物和非阿片类药物同时服用所致。2011 年至 2019 年，此类过量用药的百分比变化最大的是非西班牙裔黑人（89%），其次是西班牙裔（83%）、非西班牙裔白人（76%）和非西班牙裔亚裔和其他人种，其中包括所有其他非西班牙裔种族群体（59%）。2010 年至 2019 年，涉及阿片类药物和可卡因的多药物过量用药死亡人数有所增加。2011 年至 2019 年，非西班牙裔黑人中因服用这两种药物而死亡的人数增加了四倍多，自 2017 年以来，在所有种族/族裔群体中占最高比例。
