Effects of pharmacist prescribing on health-related outcomes in secondary care compared with medical prescribing or no treatment: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Pharmacist prescribing has gained momentum over the years and is currently utilised in Brazil, Canada, New Zealand, Poland, South Africa, United Kingdom (UK), and the United States of America (USA). While pharmacist prescribing has been associated with symptom improvement, reduced prescribing error rates, medication omissions, and improved medication access, the effects of pharmacist prescribing in secondary care have not been previously evaluated. OBJECTIVES: This systematic review aimed to assess the effects of pharmacist prescribing on health-related outcomes in secondary care. METHODS: MEDLINE, Cochrane, CINAHL, Scopus, and Web of Science Core Collection databases were searched for studies published in English from database inception to October 3, 2024. Studies were included if the intervention was pharmacist prescribing and the outcomes were health-related and measurable. Narrative synthesis of the outcomes from included studies was conducted. RESULTS: A total of 21 studies from five countries (Australia, Egypt, Hong Kong, UK, USA) were included. Pharmacist prescribing significantly improved disease management, reduced the number of hospital revisits, improved blood pressure control, international normalised ratio control and decreased the number of adverse events when compared to medical prescribing. The evidence further suggests that the healthcare costs per patient per month, median cost of treatment, inpatient hospitalisations and emergency department admissions were significantly lower when pharmacists prescribed medicines. The evidence was low to moderate quality. CONCLUSION: This systematic review provides evidence that pharmacist prescribing has a positive effect on therapeutic outcomes, and that pharmacist prescribing is comparable or better than medical prescribing in secondary 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 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 | 0,009 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».