The role of pharmacists in the management of patients with atrial fibrillation: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Pharmacist-led interventions have demonstrated benefits across various medical conditions; however, their impact on atrial fibrillation (AF) remains unexplored. This study aims to synthesize the available evidence regarding the pharmacist’s role in AF management. Methods: A systematic review with searches in PubMed, Scopus, and Web of Science was performed (PROSPERO: CRD42025647848). Randomized and non-randomized trials, as well as cohort studies reporting clinical, process, and humanistic outcomes, were included. Findings were pooled through pairwise meta-analyses. Dichotomous outcomes were reported as risk ratios (RRs) and continuous variables as standardized mean differences (SMDs) with 95% confidence intervals (CIs). The quality of the randomized and non-randomized studies was assessed using RoB 2.0 and ROBINS-I tools, respectively. Evidence was graded using the GRADE approach. Results: Seventeen studies (n = 11,428 participants) published between 2008 and 2024, predominantly as non-randomized trials/cohorts (77%), were included. Pharmacist-led interventions varied widely in scope, including anticoagulation management services, medication therapy management, and prescribing. Meta-analyses showed that pharmacists improved time in therapeutic range (SMD 0.35; 95% CI, 0.13–0.56) and reduced major bleeding events (RR 0.76; 95% CI, 0.61–0.95) and strokes (RR 0.65; 95% CI, 0.44–0.94) compared with usual care. Pharmacist care also increased appropriate prescription rates (RR 1.36, 95% CI, 1.18–1.56). No significant differences were found for other outcomes. Evidence was of low-to-moderate certainty. Interpretation: Pharmacist-led interventions have been shown to improve certain clinical and process outcomes in AF. Conclusions: High-quality randomized studies with well-defined interventions are still needed to better refine the pharmacist’s role in AF care and to identify the most effective intervention in practice (see Graphical Abstract). Can Pharm J (Ott) 2025;158:xx-xx.
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 | 0,019 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,018 | 0,047 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».