Business intelligence for the visualization and data analysis of Telepharmacy activity indicators in a hospital pharmacy service scorecard.

OBJECTIVE: The consolidation of Telepharmacy during the COVID-19 pandemic  has raised the need for managing large volumes of real-time activity data  through data analysis. The aim of this project was to design a dynamic, user- friendly, customizable scorecard in a hospital pharmacy service for the  visualization and analysis of Telepharmacy activity indicators through the use  of advanced business intelligence technology. METHOD: The software tool was developed by a multidisciplinary team between  April and May 2021, driven from the hospital pharmacy service. Once the Telepharmacy indicators of interest were established,  datasets were extracted from raw databases (administrative databases,  Telepharmacy database, outpatient dispensing software, drug catalogues)  through data analysis. The different data sources were integrated in a  scorecard using PowerBI®. The criteria for processing missing and duplicated  data were defined, and data pre-processing, normalization and transformation were performed. Once the pilot scorecard was validated by  different profiles of users, the structure was designed for the panels to  automatically update as databases were updated. RESULTS: Design and implementation of a scorecard of Telepharmacy activity:  general descriptive panel (demographic profile of patients, count and delivery  conditions, program and medical service); geolocation of destination;  pharmacological profile; relative analysis of patients involved in the  Telepharmacy program with respect to the total of outpatients. In the last  updating as of January 2022, data from 16,000 dispensations to more than  4,000 patients had been collected. This means that 21.93% of outpatients had  benefited at some time point from the Telepharmacy service. Filters enable the  visualization of timeline progress and patient characterization, and  measure Telepharmacy activity by program. CONCLUSIONS: The processing of large Telemedicine datasets from various  sources through Business Intelligence in a hospital pharmacy service makes it  possible to synthesize information, generate customized reports, and visualize  information in a dynamic and attractive format. The application of this new  technology will help us improve strategic clinical and management decision  making.

OBJETIVO: La consolidación de la Telefarmacia en el contexto de la pandemia por la COVID-19 exige manejar a tiempo real un gran volumen de datos de actividad mediante análisis de datos. El objetivo de este trabajo fue diseñar un cuadro de mando ágil, personalizable y dinámico para la visualización y análisis de indicadores de actividad en Telefarmacia en un servicio de farmacia de hospital, mediante el empleo de herramientas  avanzadas de inteligencia empresarial (business intelligence).Método: Un equipo de trabajo multidisciplinar desarrolló una herramienta de  software entre abril y mayo de 2021 impulsado desde el servicio de farmacia  de hospital. Una vez consensuados los indicadores de interés en Telefarmacia,  se extrajeron los datos a partir de bases de datos brutas (base de datos de  Telefarmacia, programa de dispensación de pacientes externos, bases de datos  administrativas, catálogos de fármacos) mediante análisis de datos. La  integración de las diferentes fuentes de datos en el cuadro de mando se realizó mediante PowerBI®. Se definió el manejo de los datos perdidos y duplicados y  se aplicó preprocesamiento, normalización y transformación de los datos. Una  vez  validado el piloto por diferentes tipos de usuarios, se diseñó la estructura para actualización automática de los paneles con las sucesivas actualizaciones de las fuentes de datos. RESULTADOS: Diseño e implementación de un cuadro de mando de la actividad  en Telefarmacia: panel descriptivo general (perfil demográfico de pacientes,  recuento y condiciones de envíos, programa y servicio médico); geolocalización  de destino; perfil farmacológico; análisis relativo de los  pacientes beneficiarios de Telefarmacia respecto del total de pacientes  externos. En el último corte, a enero de 2022, se habían incluido datos de  16.000 dispensaciones con entrega informada a más de 4.000 pacientes, lo  que supone que el 21,93% de los pacientes externos han estado en algún momento en el programa de Telefarmacia. La aplicación de filtros permite  visualizar la evolución temporal, caracterizar grupos de pacientes y  dimensionar la actividad por programas. CONCLUSIONES: El procesamiento de paquetes de datos de Telemedicina, de  gran volumen, difícil manejo y procedentes de diversas fuentes relativas a Telefarmacia mediante inteligencia empresarial, en un servicio de farmacia  de hospital, permite sintetizar la información y proporcionar informes  personalizados y visualizaciones dinámicas y atractivas. La aplicación de estas  nuevas tecnologías puede ayudarnos a mejorar la toma de decisiones  estratégicas, tanto clínicas como de gestión.

Inteligencia empresarial para la visualización y análisis de datos de indicadores de actividad de Telefarmacia en un cuadro de mando de un servicio de farmacia de hospital / Business intelligence for the visualization and data analysis of Telepharmacy activity indicators in a hospital pharmacy service scorecard

Objetivo: La consolidación de la Telefarmacia en el contexto de la pandemia por la COVID-19 exige manejar a tiempo real un gran volumen dedatos de actividad mediante análisis de datos. El objetivo de este trabajofue diseñar un cuadro de mando ágil, personalizable y dinámico para lavisualización y análisis de indicadores de actividad en Telefarmacia en unservicio de farmacia de hospital, mediante el empleo de herramientas avanzadas de inteligencia empresarial (business intelligence).Método: Un equipo de trabajo multidisciplinar desarrolló una herramienta de software entre abril y mayo de 2021 impulsado desde el servicio de farmacia de hospital. Una vez consensuados los indicadoresde interés en Telefarmacia, se extrajeron los datos a partir de bases dedatos brutas (base de datos de Telefarmacia, programa de dispensación de pacientes externos, bases de datos administrativas, catálogosde fármacos) mediante análisis de datos. La integración de las diferentesfuentes de datos en el cuadro de mando se realizó mediante PowerBI®.Se definió el manejo de los datos perdidos y duplicados y se aplicópreprocesamiento, normalización y transformación de los datos. Una vez validado el piloto por diferentes tipos de usuarios, se diseñó la estructurapara actualización automática de los paneles con las sucesivas actualizaciones de las fuentes de datos.Resultados: Diseño e implementación de un cuadro de mando de laactividad en Telefarmacia: panel descriptivo general (perfil demográficode pacientes, recuento y condiciones de envíos, programa y serviciomédico); geolocalización de destino; perfil farmacológico; análisis relativo de los pacientes beneficiarios de Telefarmacia respecto del totalde pacientes externos. En el último corte, a enero de 2022, se habíanincluido datos de 16.000 dispensaciones con entrega informada a másde 4.000 pacientes, lo que supone que el 21,93% de los pacientes externos han estado en algún momento en el programa de Telefarmacia. (AU)

Objective: The consolidation of Telepharmacy during the COVID-19pandemic has raised the need for managing large volumes of real-timeactivity data through data analysis. The aim of this project was to designa dynamic, user-friendly, customizable scorecard in a hospital pharmacyservice for the visualization and analysis of Telepharmacy activity indicators through the use of advanced business intelligence technology.Method: The software tool was developed by a multidisciplinary teambetween April and May 2021, driven from the hospital pharmacy service.Once the Telepharmacy indicators of interest were established, datasetswere extracted from raw databases (administrative databases, Telepharmacy database, outpatient dispensing software, drug catalogues) throughdata analysis. The different data sources were integrated in a scorecardusing PowerBI®. The criteria for processing missing and duplicated datawere defined, and data pre-processing, normalization and transformationwere performed. Once the pilot scorecard was validated by differentprofiles of users, the structure was designed for the panels to automaticallyupdate as databases were updated. Results: Design and implementation of a scorecard of Telepharmacyactivity: general descriptive panel (demographic profile of patients, countand delivery conditions, program and medical service); geolocation ofdestination; pharmacological profile; relative analysis of patients involvedin the Telepharmacy program with respect to the total of outpatients. Inthe last updating as of January 2022, data from 16,000 dispensations tomore than 4,000 patients had been collected. This means that 21.93%of outpatients had benefited at some time point from the Telepharmacyservice. (AU)

Adverse drug reactions to the three doses of the severe acute respiratory syndrome coronavirus 2 (SARS-COV-2) mRNA-1273 vaccine in a cohort of cancer patients under active treatment of a tertiary hospital in Madrid, Spain.

Background: Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) vaccines efficacy and safety have been tested in phase 3 studies in which cancer patients were not included or were underrepresented. Methods: The objective of this study is to evaluate the safety profile of the mRNA-1273 vaccine across cancer patients and its relationship to patients' demographics. This retrospective cohort study included patients 18-years or older with solid malignancies receiving active treatment in our hospital who had received the three-dose schedule of the mRNA9 1273 vaccine and whose side effects after each dose were recorded. Patient electronic medical records were reviewed retrospectively to collect data between April 19, 2021, and December 31, 2021. Patients with documented previous infection by SARS-Cov-2 were excluded from the study. Results: A total of 93 patients met the inclusion criteria. Local adverse drug reactions (ADRs) were reported more frequently after the first and second dose than after the third (41.9%, 43% and 31.1% of the patients respectively), while systemic ADRs followed the opposite pattern (16.1%, 34.4% and 52.6% of the patients respectively). We found a statistically significant association between sex and systemic ADRs after the third dose. Cochran-Armitage test showed a statistically significant linear trend, p = 0.012, with a higher Eastern Cooperative Oncology Group (ECOG) score associated with a lower proportion of patients suffering from systemic side effects. A logistic regression showed that women had 5.79 times higher odds to exhibit systemic ADRs after the third dose (p=0.01) compared to males. Increasing age was associated with a decreased likelihood of exhibiting ADRs (p=0.016). Conclusion: The mRNA-1273 vaccine shows a tolerable safety profile. The likelihood of ADRs appears to be associated with gender and age. Its association with ECOG scores is less evident. Further studies are needed to elucidate this data in cancer patients.