Impact of pharmacist interventions provided in the emergency department on quality use of medicines: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background Pharmacists have an increasing role as part of the emergency department (ED) team. However, the impact of ED-based pharmacy interventions on the quality use of medicines has not been well characterised. Objective This systematic review aimed to synthesise evidence from studies examining the impact of interventions provided by pharmacists on the quality use of medicines in adults presenting to ED. Methods A systematic literature search was conducted in MEDLINE, EMBASE and CINAHL. Two independent reviewers screened titles/abstracts and reviewed full texts. Studies that compared the impact of interventions provided by pharmacists with usual care in ED and reported medication-related primary outcomes were included. Cochrane Risk of Bias-2 and Newcastle-Ottawa tools were used to assess the risk of bias. Summary estimates were pooled using random-effects meta-analysis, along with sensitivity and sub-group analyses. Results Thirty-one studies involving 13 242 participants were included. Pharmacists were predominantly involved in comprehensive medication review, advanced pharmacotherapy assessment, staff and patient education, identification of medication discrepancies and drug-related problems, medication prescribing and co-prescribing, and medication preparation and administration. The activities reduced the number of medication errors by a mean of 0.33 per patient (95% CI −0.42 to −0.23, I 2 =51%) and the proportion of patients with at least one error by 73% (risk ratio (RR)=0.27, 95% CI 0.19 to 0.40, I 2 =85.3%). The interventions were also associated with more complete and accurate medication histories, increased appropriateness of prescribed medications by 58% (RR=1.58, 95% CI 1.21 to 2.06, I 2 =95%) and quicker initiation of time-critical medications. Conclusion The evidence indicates improved quality use of medicines when pharmacists are included in ED care teams. PROSPERO registration number CRD42020165234.
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 | 0,017 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,045 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».