Cost-Effectiveness of Community Pharmacist-Led Smoking Cessation Programs (2015–2025): A Meta-Analysis Review
Notice bibliographique
Résumé
To systematically review the types of economic evaluations used for community pharmacist-delivered smoking cessation programs and to conduct a meta-analysis of their clinical effectiveness. Methods A systematic search was conducted in PubMed, Scopus, Science Direct, EBSCO, and ProQuest for studies published between 2015 and 2025. The participant criteria are active smokers aged over 18 years, not limited by gender, and the program focuses on community settings. Full economic evaluations of pharmacist-led smoking cessation programs for adults were included. Study quality was assessed using the CHEERS 2022 checklist. Clinical effectiveness data were pooled using a random-effects meta-analysis. The protocol was registered with PROSPERO (CRD420251117242). Results out of 681 identified records, four studies met the inclusion criteria, encompassing more than 1,300 participants. Interventions were conducted in Spain, Canada, Malaysia, and the USA. The majority used cost-effectiveness analyses and reported significant improvements in smoking cessation rates. Meta-analysis showed that pharmacist-led programs significantly improved quit rates (pooled OR = 2.74; 95% CI: 1.83–4.11; p < 0.001) with low heterogeneity (I² = 8.8%). ICERs were consistently below accepted cost-effectiveness thresholds. Based on a threshold analysis using a WTP of CAD$20,000 per QALY, the intervention by Phillips et al. remains cost-effective. The intervention would remain below the threshold unless total costs increased by 23.6% or QALY gains reduced by more than 18%. Conclusion community pharmacist-delivered smoking cessation programs are a clinically effective and economically favorable public health strategy. Policymakers should consider establishing reimbursement models to facilitate their broader implementation.
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 | 0,016 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,041 |
| Bibliométrie | 0,009 | 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) | 0,006 | 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 ».