Electronic prescription: limitations and possible improvements to ensure greater adherence to treatments
e201909070
Keywords:
Electronic prescription, Limitations, Incidences, Adherence to treatment, Pharmaceutical care, Medication, Quality of healthcare, ProtocolsAbstract
Background: The electronic prescription has meant an evolution in the quality of health care, but it has a series of deficiencies that compromise the adherence to treatments. The objective of this work was to collect and group these limitations and propose the changes that could solve them.
Methods: During 2017 and 2018, through dispensing and pharmacotherapeutic monitoring activities, incidents related to the electronic prescription were collected in a pharmacy in Santander and their causes were identified. A survey was conducted and sent to the Information Centers of the Medicines of the rest of the regions to know if the same problems were shared and the resulting data were treated by frequency distribution.
Results: We detected 1,500 incidents related to the way of access to the treatment and its activation period, with the availability of the medication when the patient requested it and those in which the assessment of the problem by the doctor was essential. The survey data showed that in 100% of the CCAA the patient must return to the doctor when there is an incidence, because there is no protocol to solve it from the pharmacy.
Conclusions: These incidents compromise the adherence to treatments and the health of patients. To avoid them, we propose the elimination of the password that is necessary to access the treatment, the establishment of a minimum period of 30 days for its activation, the creation of protocols so that the pharmacist can solve problems and perform dispensations in special circumstances, and finally, the optimization of the communication between pharmacist and doctor.
Downloads
References
World Health Organization, Global Status Report on Road Safety 2015. (Consultado 30 marzo 2019). Disponible en http://www.who.int/violence_injury_prevention/road_safety_status/2015/en/.
Instituto Nacional de Estadística. Informes sobre la mortalidad de los años 2012, 2013, 2014 y 2015. (Consultado 30 marzo 2019). Disponible http://www.ine.es.
Smith AP. A UK survey of driving behaviour, fatigue, risk taking and road traffic accidents. BMJ Open 2016; http://dx.doi.org/10.1136/bmjopen-2016-011461.
Protocolo de actuación y buenas prácticas en la atención sanitaria inicial al accidentado de tráfico. Grupo de Trabajo de la Sociedad Española de Urgencias y Emergencias (SEMES). Ministerio de Sanidad y Política Social. Gobierno de España. Año 2010 (Consultado 30 marzo 2019). Disponible en http://www.mscbs.gob.es/novedades/docs/bpAccidentadoTrafico.pdf.
Informe de carreteras por provincias, 2015. Ministerio de Fomento. (Consultado 30 marzo 2019). Disponible en https://www.fomento.gob.es/MFOM.CP.Web/handlers/pdfhandler.ashx?idpub=BTW031.
Instituto Nacional de Estadística. Censo nacional y Comunidad Autónoma de Extremadura. Año 2015. (Consultado 30 marzo 2019). Disponible en http://www.ine.es.
Morales-Gabardino JA, Redondo-Lobato L, Buitrago-Ramírez F. Análisis de tiempos de las unidades medicalizadas de emergencia en la atención a los accidentes de tráfico en Extremadura. Emergencias 2018; 30:265-7.
Fredriksson R, Bylund PO, Oman M. Fatal Vehicle-to-Bicyclist Crashes in Sweden - an In-Depth Study of injuries and vehicle sources. Ann Adv Automot Med 2012; 56:25-30.
Yang CS, Chen SC, Yang YC, Huang LC, Guo HR, Yang HY. Epidemiology and patterns of facial fractures due to road traffic accidents in Taiwan. A 15 years retrospective study. Traffic Inj Prev. 2017; 18:724-9.
Blackwell TH, Kaufman JS. Response time effectiveness: comparison of response time and survival in an urban emergency medical services system. Acad Emerg Med 2002; 9:288–95.
Jaja BN, Eghwrudjakpor PO. Effect of demographic and injury etiologic factors on intensive care unit mortality after severe head injury in a low middle income country. Ann Afr Med. 2014; 13:204-9.
Dong C, Clarke DB, Yan X, Khattak A, Huang B. Multivariate random-parameters zero-inflated negative binomial regression model: an application to estimate crash frequencies at intersections. Accid Anal Prev. 2014; 70:320-9.
Downloads
Published
How to Cite
Issue
Section
Categories
License
Copyright (c) 2019 Irene García Alfaro, José Daniel Carballeira Rodríguez
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Usted es libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia.
Bajo los siguientes términos:
Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
SinDerivadas — Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
