The impact of medication reviews by community pharmacists
Notice bibliographique
Résumé
OBJECTIVES: Many Canadians use prescription medicines that are unnecessary or that can lead to adverse events. In response, many provinces have introduced programs in which pharmacists are paid to perform medication reviews with patients. As the evidence on such programs is equivocal, we investigated the impact of British Columbia's program. DESIGN: Interrupted time series. SETTING: British Columbia, Canada. PARTICIPANTS: All residents of British Columbia who received a medication review between May 1, 2012, and June 30, 2013 (163,776 individuals). INTERVENTION: Using British Columbia's population-based PharmaNet drug utilization system, we collected data on community pharmacist-led medication reviews. The PharmaNet database contains a record of all medication reviews conducted in an ambulatory setting. MAIN OUTCOME MEASURES: We studied the impact of first medication reviews conducted between May 2012 and June 2013. We used interrupted time series analysis to assess longitudinal changes in patients receiving a standard review (n = 147,770) and a more intensive pharmacist consultation (n = 16,006). Our outcomes included drug utilization, costs, potentially inappropriate prescriptions, and medication persistence measured through the proportion of commonly used chronic medications that were eventually refilled. RESULTS: Overall, we observed few changes in the level or trend of any of the outcomes we studied. Both review types were followed by significant increases in both the number of prescriptions per month and expenditures. The continuation of long-term medications did not change for 3 of 4 classes, and increased very slightly for the final class. We found no evidence of deprescribing, either for classes that are potentially problematic for long-term use (benzodiazepines and proton pump inhibitors) or for potentially inappropriate prescriptions in seniors. CONCLUSIONS: Our results suggest that medication reviews did not significantly modify prescription drug use by recipients. Future iterations of such programs might be modified to be better targeted and to encourage closer collaboration between pharmacists and prescribing health care professionals.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».