Assessing the contribution of prescribing in primary care by nurses and professionals allied to medicine: a systematic review of literature
Notice bibliographique
Résumé
BACKGROUND: Safe and timely access to effective and appropriate medication through primary care settings is a major concern for all countries addressing both acute and chronic disease burdens. Legislation for nurses and other professionals allied to medicine to prescribe exists in a minority of countries, with more considering introducing legislation. Although there is variation in the range of medicines permitted to be prescribed, questions remain as to the contribution prescribing by nurses and professionals allied to medicine makes to the care of patients in primary care and what is the evidence on which clinicians, commissioners of services and policy makers can consider this innovation. METHODS: A integrative review of literature on non-medical prescribing in primary care was undertaken guided by dimensions of health care quality: effectiveness, acceptability, efficiency and access. RESULTS: 19 papers of 17 empirical studies were identified which provided evidence of patient outcome of non medical prescribing in primary care settings. The majority were undertaken in the UK with only one each from the USA, Canada, Botswana and Zimbabwe. Only two studies investigated clinical outcomes of non-medical prescribing. Seven papers reported on qualitative designs and four of these had fewer than ten participants. Most studies reported that non medical prescribing was widely accepted and viewed positively by patients and professionals. CONCLUSIONS: Primary health care is the setting where timely access to safe and appropriate medicines is most critical for the well-being of any population. The gradual growth over time of legislative authority and in the numbers of non-medical prescribers, particularly nurses, in some countries suggests that the acceptability of non-medical prescribing is based on the perceived value to the health care system as a whole. Our review suggests that there are substantial gaps in the knowledge base to help evidence based policy making in this arena. We suggest that future studies of non-medical prescribing in primary care focus on the broad range of patient and health service outcomes and include economic dimensions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,017 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».