Relationship between number, timing, and type of pharmacist interventions and patient outcomes
Notice bibliographique
Résumé
Pharmacy practice-based research has demonstrated that enhanced pharmacist care improves patient care and outcomes. Such programs have encompassed a wide variety of disease states, including hypertension, asthma, smoking, cardiovascular problems, and high cholesterol.1,–7 Among the key features of enhanced care programs are multifaceted interventions whereby pharmacists make treatment recommendations to physicians, provide patient education, monitor patient response to therapy, and enhance compliance with medications and nonpharmacologic management strategies. Since practice-based research interventions are usually multifaceted, it is important to know which components are most important in achieving the desired outcomes (establishing the “mechanism of action”), and how differing levels of application of the intervention affect the outcome (“dose–response relationship”). Invariably, the intensity (dose) of the intervention will vary with different practice settings, the experience and motivation of the investigator, and other factors.8,9 SCRIP-plus (the Second Study of Cardiovascular Risk Intervention by Pharmacists) was a multicenter, prospective, before–after study of a community pharmacy intervention in patients at very high risk for cardiovascular events.10 The SCRIP-plus study found a mean ± S.D. decrease in low-density-lipoprotein cholesterol (LDL-C), the primary endpoint, of 0.5 ± 0.83 mmol/L (19.4 ± 32.1 mg/dL). The large standard deviation suggests variability in the efficacy of the pharmacist-influenced covariates or mechanisms involved in achieving this result. Examination of the relationship between the application of the intervention and the outcome has important implications for the design of future pharmacy practice-based research studies, specifically the design of the intervention itself.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».