Community Pharmacist Prescribing: Roles and Competencies—A Systematic Review and Implications
Notice bibliographique
Résumé
Increasing healthcare demands and physician shortages have prompted many countries to expand clinical responsibilities of pharmacists. Although Canada, the UK, and the US have implemented pharmacist prescribing, other nations lag behind. This review compares international roles, identifies inferred competencies, and explores implications for role expansion. A systematic search of MEDLINE, CINAHL, and the Cochrane Library was conducted using the PICO framework; studies were appraised with Critical Appraisal Skills Programme (CASP) checklists, and interrater reliability assessed via Cohen's Kappa. Data from 23 studies were thematically synthesized following Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) 2020 guidelines. Four themes emerged: (1) expanding clinical and public health roles and pharmacists' self-perceived readiness; (2) regulatory frameworks defining legal authority, qualifications, and temporary pandemic exemptions; (3) inferred competencies, including micro-skills (patient assessment, guideline application) and macro-capabilities (clinical judgment, accountability, reflective practice); and (4) contextual barriers such as training gaps, limited funding, unclear legal provisions, and workflow challenges. Implementation implications were synthesized and included training, funding, acceptance, and integration. Evidence indicates pharmacist prescribing is safe and patient-centered when supported by regulation, structured training, and systemic integration. Insights from established models can guide incremental implementation, optimizing medication management, enhancing healthcare access, and promoting equitable care.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| 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 ».