Factors affecting the delivery of community pharmacist-led medication reviews: evidence from the MedsCheck annual service in Ontario
Notice bibliographique
Résumé
BACKGROUND: Medication reviews have become part of pharmacy practice across developed countries. This study aimed to identify factors affecting the likelihood of eligible Ontario seniors receiving a pharmacy-led medication review called MedsCheck annual (MCA). METHODS: We designed a cohort study using a random sample of pharmacy claims for MCA-eligible Ontario seniors using linked administrative data from April 2012 to March 2013. Guided by a conceptual framework, we constructed a generalized-estimating-equations model to estimate the effect of patient, pharmacy and community factors on the likelihood of receiving MCA. RESULTS: Of the 2,878,958 eligible claim-dates, 65,605 included an MCA. Compared to eligible individuals who did not receive an MCA, recipients were more likely to have a prior MCA (OR = 3.03), receive a new medication on the claim-date (OR = 1.78), be hypertensive (OR = 1.18) or have a recent hospitalization (OR = 1.07). MCA recipients had fewer medications (e.g., OR = 0.44 for ≥12 medications versus 0-4 medications), and were less likely to receive an MCA in a rural (OR = 0.74) or high-volume pharmacy (OR = 0.65). CONCLUSIONS: The most important determinant of receiving an MCA was having had a prior MCA. Overall, MCA recipients were healthier, younger, urban-dwelling, and taking fewer medications than non-recipients. Policies regarding current and future medication review programs may need to evolve to ensure that those at greatest need receive timely and comprehensive medication reviews.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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; 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 ».