Implementation of the appointment-based model in community pharmacies: An analysis of refills and adherence
Notice bibliographique
Résumé
BACKGROUND: Traditionally, much of community pharmacy practice relies on patients to request their own medication refills. These refills are often not aligned, which has been shown to decrease adherence and workflow efficiencies. The appointment-based model (ABM) is designed to proactively synchronize refills and schedule patient-pharmacist appointments. OBJECTIVES: To describe the characteristics of patients enrolled in the ABM; and to compare the number of distinct refill dates, number of refills, and adherence for antihypertensives, oral antihyperglycemics, and statins 6-months and 12-months pre-post ABM implementation. METHODS: In September 2017, the ABM was implemented across independent community pharmacies within a pharmacy banner in Ontario, Canada. In December 2018, a convenience sample of three pharmacies was extracted. Demographic and clinical characteristics were collected on program enrollment (index) date for individual patients and their medication fill histories were used to investigate adherence measures including distinct number of refill dates, number of refills, and proportion of days covered. Descriptive statistics were analyzed using StataCorp. RESULTS: Analysis of 131 patients (48.9% male; mean age 70.8 years ± 10.5 SD) filled on average 5.1 ± 2.7 medications with 73 (55.7%) experiencing polypharmacy. Patients had a significant reduction in mean number of refill dates (6.8 ± 3.8 SD six-months pre-enrollment, 4.9 ± 3.1 SD six-months post-enrollment, p < 0.0001). Adherence to chronic medications remained high (PDC ≥95%). CONCLUSION: The ABM was implemented for a cohort of established users, already highly adherent to their chronic medications. Results demonstrate reduced filling complexity and fewer refill dates while also sustaining the high baseline adherence across all chronic medications studied. Future studies should investigate patient perspectives and potential clinical benefits of the ABM.
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 | 0,008 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».