Effectiveness of Pharmacist-led Medication Review in Chronic Pain Management
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the effectiveness of pharmacist-led medication review in chronic pain management. MATERIALS AND METHODS: Six electronic databases (Medline, Embase, PsycInfo, CINHAL, CENTRAL, International Pharmaceutical Abstracts) reference lists of retrieved articles and relevant websites were searched for randomized controlled trials published in the English language involving adults with chronic pain. Studies were included if one of the intervention arms had received pharmacist-led medication review independently or as part of a multidisciplinary intervention. Risk of bias was assessed for all the included studies. RESULTS: The search strategy yielded 583 unique articles including 5 randomized controlled trials. Compared with control, meta-analysis showed that participants in the intervention group had: a 0.8-point reduction in pain intensity on a 0 to 10 numerical rating scale at 3 months [95% confidence interval (CI), -1.28 to -0.36] and a 0.7-point reduction (95% CI, -1.19 to -0.20) at 6 months; a 4.84 point (95% CI, -7.38 to -2.29) and -3.82 point (95% CI, -6.49 to -1.14) improvement in physical functioning on a 0- to 68-point function subscale of Western Ontario and McMaster Universities Osteoarthritis Index at 3 and 6 months, respectively; and a significant improvement in patient satisfaction equivalent to a "small to moderate effect." DISCUSSION: Pharmacist-led medication review reduces pain intensity and improves physical functioning and patient satisfaction. However, the clinical significance of these findings remain uncertain due to small effect size and nature of reported data within clinical trials that limits recommendation of wider clinical role of pharmacist in chronic pain management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,079 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».