10.19277/bbr.18.1.251.pt

 

Ciências Biofarmacêuticas, Biomed Biopharm Res., 2021; 18(1):68-82

doi: 10.19277/bbr.18.1.251; download da versão pdf [+] aqui 

 

 

Revisão terapêutica tipo 1 com base nos registos eletrónicos da farmácia: primeiros passos para o desenho de um algoritmo que permite estratificar doentes para a prestação de serviços de farmácia personalizados

Ligia Reis 1,2, Miguel Monteiro 2, Luis Lourenço 1, João Gregório 1*

1CBIOS – Universidade Lusófona’s Research Center for Biosciences & Health Technologies, Campo Grande 376, 1749-024 Lisboa, Portugal; Farmácia Central do Cacém, Praceta Aquilino Ribeiro, 5/6 – r/c, 2735-060 Agualva-Cacém, Portugal

*autor correspondente: Este endereço de email está protegido contra piratas. Necessita ativar o JavaScript para o visualizar.

Resumo

Algoritmos, queries e sistemas baseados em conhecimento são algumas abordagens que permitem ao realizar revisão terapêutica do tipo 1 aos registos eletrónicos de doentes (RED). O objetivo deste estudo foi realizar uma revisão terapêutica do tipo 1 numa amostra de RED de uma farmácia comunitária, permitindo a identificação de clusters que sinalizem os doentes que requerem intervenções farmacêuticas. Estudo observacional retrospectivo numa amostra de conveniência de RED. Foram incluídos os RED com histórico de dispensa entre junho de 2017 e julho de 2018 e que apresentavam 2 ou mais medicamentos crónicos. Utilizou-se o método de análise de clusters em duas fases para identificar características comuns entre os doentes. Cinquenta e cinco RED foram submetidos à revisão terapêutica tipo 1. A mediana do número de medicamentos usados foi de cinco [IQR: 3,0 – 7,0]. 18,2% dos doentes usavam medicamentos inapropriados e 30,9% possuíam potencial moderado ou grave de interação entre medicamentos. Foram identificados quatro clusters, aos quais foram atribuídas as intervenções farmacêuticas consideradas mais adequadas, bem como a prioridade da sua prestação. A revisão terapêutica aplicada aos RED permitiu a identificação de clusters de doentes, o que, por sua vez, permitirá o desenho de um algoritmo baseado em critérios com possibilidade de ser automatizado.

 

Palavras-chave: Serviços farmacêuticos; revisão terapêutica; registos eletrónicos medicamentos; algoritmos

Recebido: 11/09/2020; Aceite: 06/02/2021

Introdução

À medida que a carga das doenças não transmissíveis (DNT) aumenta globalmente, a gestão das doenças crónicas torna-se central para todos os sistemas de saúde (1). Entre os vários modelos para lidar com esta ameaça, o Modelo de Cuidados Crónicos emergiu como um modelo de colaboração interprofissional adequado aos desafios trazidos pela elevada carga das DNT sobre os sistemas de saúde (2). Este modelo, por sua vez, forneceu o contexto para repensar os papéis e deveres dos profissionais de saúde (3). Os farmacêuticos comunitários aderiram a este movimento após o surgimento de conceitos de Cuidados Farmacêuticos e a implementação de vários projetos posicionaram o farmacêutico comunitário como um profissional de cuidados de saúde primários efetivo (4).

Desde a década de 1990, as revisões terapêuticas foram incluídas na prática da farmácia comunitária. O serviço de revisão terapêutica conduzido por farmacêuticos está disponível na Europa (UK, NL, BE, SE, DK), Estados Unidos da América (EUA), Austrália, Canadá e Nova Zelândia (5,6). A Pharmaceutical Care Network Europe (PCNE) define a revisão terapêutica como “uma avaliação estruturada dos medicamentos dos doentes com o objetivo de otimizar o uso de medicamentos e melhorar os resultados em saúde”. Isso envolve a deteção de problemas relacionados a medicamentos (PRM) e a recomendação de intervenções (7). Conhecem-se quatro tipos de revisão, dependendo das informações do doente disponíveis para o farmacêutico (Tabela 1). Todos os tipos de revisão terapêutica incluem uma intervenção diagnóstica que visa identificar PRM. Todos, exceto o tipo 1, requerem a presença do doente tanto para recolher informações importantes quanto para prestar uma intervenção educacional que promova o conhecimento e a adesão do doente (8).

Quando realizadas, as revisões terapêuticas resultam numa diminuição do número de PRM, ajustes à medicação, diminuição de doses e uma diminuição ou ligeiro aumento do número de medicamentos utilizado pelo utente (6). Evidenciam ainda um benefício positivo nos resultados, especificamente nos biomarcadores clínicos (5), e na melhoria dos resultados do processo, como redução da polimedicação, adequação da formulação e escolha mais adequada de medicamento (8). Neste processo a avaliação de medicamentos potencialmente inapropriados pode ser realizada com diferentes ferramentas. Entre estas, o critério de Beers é uma das mais utilizadas (9), auxiliando os profissionais de saúde a promover a segurança dos medicamentos nos idosos, através da identificação de medicamentos para os quais os riscos do seu uso superam os benefícios (10).

Apesar da revisão terapêutica ser um serviço que pode enfatizar o papel do farmacêutico no sistema de saúde, a sua implementação não foi totalmente alcançada. As principais barreiras citadas na literatura para implementar um serviço eficaz de revisão terapêutica têm sido a falta de tempo, a colaboração com médicos, a baixa autoconfiança dos farmacêuticos e a inclusão de doentes (11,12). Assim, torna-se necessário aumentar a eficiência do serviço de revisão terapêutica. O uso da Tecnologias da Informação pode desbloquear este potencial de eficiência (13), proporcionando ganhos de tempo com aumento da oferta deste serviço e desenvolvimento de novos serviços.

O início da Era Digital na década de 1960, marcada pelo desenvolvimento da eletrónica, da tecnologia da informação e da produção automatizada, moldou a prática da farmácia (14). Hoje em dia, a prática da farmácia comunitária está fortemente informatizada, recolhendo informações do doente de forma contínua e criando registos eletrónicos de saúde permanentemente atualizados (15). Os registos eletrónicos de saúde permitem o acesso em tempo real aos dados do doente, como patologias, visitas a profissionais de saúde, imagens e relatórios de diagnóstico, possibilitando um registo longitudinal completo dos cuidados de saúde prestados (15). Estes registos eletrónicos de saúde podem afetar a tomada de decisão, a forma como profissionais de saúde e doentes interagem uns com os outros, como as informações de saúde são armazenadas e usadas e como os doentes gerem a sua própria saúde através de aplicativos ou dispositivos eletrónicos (16).

Para o farmacêutico comunitário, os registos eletrónicos de saúde facilitam as revisões terapêuticas e a identificação de PRM (16). Métodos estruturados e softwares apropriados são ferramentas importantes para aumentar a efetividade do farmacêutico e melhorar os resultados em saúde (17,18). As bases de dados, que armazenam os registos eletrónicos de saúde, podem ser consultadas usando algoritmos de pesquisa, por exemplo, para selecionar doentes não aderentes ou doentes que recebem medicamentos específicos (17), ou para identificar doentes internados com risco de PRM (19). Os algoritmos são conhecidos por apoiar os processos de revisão terapêutica, identificando e descontinuando medicamentos potencialmente inadequados, que colocam a população idosa em risco (20). Os algoritmos são passíveis de automatização e, portanto, capazes de suportar a revisão terapêutica que se pretende contínua, reprodutível e menos demorada (21).

No entanto, falta a definição de um algoritmo adaptado ao sistema informático das farmácias portuguesas. De forma a desenhar um algoritmo, é necessário definir os critérios a utilizar com base na informação do doente disponível no registo eletrónico. Assim, o objetivo deste estudo foi aplicar uma revisão terapêutica do tipo 1 a uma amostra de registos eletrónicos de medicamentos de doentes de uma farmácia comunitária. Esta revisão terapêutica permitirá, então, a identificação de clusters de doentes que precisam de intervenções farmacêuticas adicionais, sendo este um primeiro passo para o projeto de um novo algoritmo de decisão.

Material e Métodos

Este é um estudo exploratório, observacional e retrospetivo, cujo o objetivo foi realizar uma revisão terapêutica do tipo 1 em registos eletrónicos de doentes. Foi utilizada uma amostra de conveniência, extraída da base de dados de uma farmácia comunitária localizada no distrito de Lisboa. Foram utilizados os seguintes critérios de inclusão: histórico de terapêutica contínua em 12 meses (entre junho de 2017 a julho de 2018) e utilização de dois ou mais medicamentos crónicos. O histórico de terapêutica contínua foi definido como a existência de registos de dispensa de medicamentos que cumprem com a duração esperada da terapêutica sem qualquer interrupção.

Para realizar a revisão terapêutica, foram aplicados os critérios de necessidade, eficácia e segurança do 2º Consenso de Granada (22). A segurança dos medicamentos foi avaliada com o software Sifarma™ e incluiu a determinação de interações e contraindicações, e respetivo nível de gravidade. O grau de gravidade foi classificado como ligeiro, moderado ou grave. O software Sifarma™ permite registar e aceder ao histórico de dispensa, biomarcadores, interações, contraindicações e reações adversas dos doentes (23). Os medicamentos potencialmente inapropriados foram identificados aplicando-se a Tabela 2 dos critérios de Beers 2015 (24), para doentes com mais de 65 anos de idade classificando cada medicamento como apropriado ou inapropriado. Esta tabela lista os medicamentos potencialmente inadequados para idosos fora do ambiente de cuidados paliativos e lares, incluindo medicamentos a serem evitados para muitos ou a maioria dos idosos, mesmo na ausência de registo do diagnóstico (25). Para doentes com menos de 65 anos, esses critérios foram considerados não aplicáveis. Também foi identificada duplicação da mesma substância ativa ou mesma classe terapêutica. O Resumo das Características do Medicamento (RCM) de cada medicamento foi igualmente consultado para identificar a necessidade de monitorização de biomarcadores e que parâmetros avaliar.

A análise estatística dos dados foi realizada no IBM SPSS versão 22 e Microsoft Excel. O nível de significância foi estabelecido em 5%. Foram realizados testes não paramétricos, pois não houve distribuição normal em todas as variáveis contínuas. Para variáveis categóricas e ordinais, foram utilizadas correlações de Spearman e testes de Qui-quadrado. A análise de clusters em duas fases foi realizada para identificar o número de clusters possíveis na amostra. Os doentes tiveram de assinar um termo de consentimento livre e esclarecido para que seus registos fossem armazenados na farmácia, onde foi dado consentimento para o uso de dados anónimos para fins de pesquisa. Nenhum consentimento adicional foi considerado necessário.

Resultados

A amostra final de registos eletrónicos elegíveis para revisão terapêutica do tipo 1 incluiu 55 doentes. Destes 54,5% eram mulheres e 45,5% homens. A média de idade da amostra foi de 65,67 anos (DP 14,8) com mediana de 68 anos [IQR: 55,0 – 77,0]. A idade teve distribuição normal nas mulheres, mas não nos homens (Shapiro-Wilk; p = 0,634 mulheres; p = 0,017 homens). Nesta amostra, os homens eram em média mais velhos do que as mulheres, mas as diferenças não foram significativas (Mann-Whitney; p = 0,076) (Tabela 2). A variável idade foi então categorizada com um ponto de corte nos critérios de Beers (<65 anos; ≥ 65 anos).

Observou-se que 58,1% dos doentes da amostra visitou a farmácia pelo menos uma vez por mês. As diferenças entre género na frequência de visitas à farmácia não foram significativas (p = 0,313). Apesar da correlação positiva com a idade, as diferenças entre as faixas etárias e a frequência de visitas também não foram significativas (p = 0,453).

Um total de 289 medicamentos foi analisado. A mediana do número de medicamentos usados por cada doente foi de 5,0 [IQR: 3,0 - 7,0]. Como a variável “número de medicamentos” não teve distribuição normal (Shapiro-Wilk; p <0,0001), uma nova variável foi categorizada recorrendo à categoria numérica mais utilizada na literatura de polifarmácia - 5 ou mais medicamentos (26). Com esta nova variável, verificou-se que 43,6% dos doentes usavam 4 medicamentos ou menos e 56,4% usavam 5 ou mais medicamentos. Não foram identificadas diferenças entre géneros quanto ao número de medicamentos (Mann-Whitney; p = 0,725) (Tabela 2). A idade apresentou uma correlação positiva com o total de medicamentos do doente (coeficiente de Spearman = 0,345, p = 0,010)

A revisão terapêutica tipo 1 revelou que 87,3% dos doentes nesta amostra tinham pelo menos uma patologia com biomarcadores mensuráveis, como hipertensão arterial, diabetes, dislipidemia ou asma. Todos os participantes com mais de 65 anos apresentavam uma destas patologias (p = 0,001) mas ter biomarcadores mensuráveis não estava associado ao número de medicamentos consumidos (Mann-Whitney; p = 0,279).

Em relação aos critérios de Beers de 2015, identificou-se que 18,2% da amostra apresentava medicamentos inapropriados. As diferenças de género nos critérios de Beers não foram significativas (p = 0,148), mas uma correlação positiva entre o número de medicamentos e estes critérios foi encontrada (coeficiente de Spearman 0,322; p = 0,017).

Ao analisar as interações medicamentosas, verificou-se que 30,9% apresentavam um potencial de interação moderado ou grave. A Figura 1 mostra a distribuição dos graus de gravidade das interações medicamentosas. Não foram observadas diferenças no grau de gravidade da interação entre os grupos etários (p = 0,388), sexo (p = 0,681) ou doentes com ou sem biomarcadores mensuráveis (p = 0,841). Contudo, tal como nos critérios de Beers, foi encontrada uma correlação positiva entre o número de medicamentos e o grau de gravidade das interações (coeficiente de Spearman 0,671; p <0,001). Quanto mais medicamentos se usa, maior a probabilidade de interações graves. Outra correlação positiva foi encontrada entre a gravidade das interações e os critérios de Beers (coeficiente de Spearman = 0,343, p = 0,010), ou seja, os doentes com medicamentos inapropriados apresentaram maior probabilidade de usar medicamentos com interações moderadas ou graves.

A multicolinearidade foi também avaliada. O maior Fator de Inflação de Variância obtido foi para a variável idade com o número de medicamentos (VIF=2,58). A literatura considera este um valor aceitável, indicativo de baixa multicolinearidade. Após a análise descritiva, e de forma a encontrar os possíveis clusters de doentes nesta amostra, foi realizada uma análise de cluster em duas etapas (two-step cluster analysis). As variáveis incluídas no modelo para a análise de cluster em duas etapas foram: grau de gravidade das interações, grau de gravidade das contraindicações, critérios de Beers, número de medicamentos usados e biomarcadores mensuráveis.

Foram identificados quatro clusters e um doente outlier, com as características apresentadas na Tabela 3. A Figura 2 detalha a importância das variáveis no modelo. A análise de clusters permitiu, assim, identificar a proporção de doentes que poderia beneficiar de uma intervenção farmacêutica diferente e o seu grau de urgência ou prioridade.

Discussão

Neste estudo, realizou-se uma revisão terapêutica tipo 1 usando uma amostra de registos eletrónicos de doentes de uma base de dados de farmácia comunitária. Esta revisão permitiu a identificação de clusters de doentes. Para cada cluster de doentes podem ser propostas diferentes intervenções farmacêuticas de acordo com a perceção do risco associado. Por exemplo, dois clusters (2 e 3), representando 36,3% dos doentes, poderiam beneficiar de uma revisão do tipo 2A, enquanto outro cluster (4), compreendendo 30,9% dos doentes, precisaria apenas de medir os seus biomarcadores viabilizando assim a avaliação da efetividade da terapêutica. Além disso, a revisão terapêutica identificou um doente de alto risco, exigindo uma revisão urgente do tipo 2A. Os resultados mostraram que praticamente todos os doentes desta amostra poderiam beneficiar de outra intervenção profissional além do serviço de dispensa de medicamentos. A nossa análise mostra que cerca de 69% dos doentes requerem uma intervenção avançada, enquanto 31% dos doentes seriam elegíveis para intervenções simples já integradas na prática farmacêutica. Esses serviços são de baixo custo, mas têm o potencial de gerar um elevado grau de envolvimento e satisfação do doente, essenciais para uma prestação de serviços longitudinal bem-sucedida (27). A elevada frequência de visitas à farmácia (1 a 2 vezes por mês), principalmente dos doentes que usam um maior número de medicamentos crónicos, dá aos farmacêuticos comunitários a oportunidade de prestar serviços profissionais sem agendamento de consultas adicionais. Essa elevada frequência é comum em ambulatório e também foi encontrada em outros estudos (28–30). Além disso, esse elevado grau de interação farmacêutico-doente possibilita a prestação de cuidados adicionais. O registo consistente de biomarcadores no registo eletrónico do doente permitiria avaliar a eficácia da terapia, que o nosso estudo não pode caracterizar devido à ausência de registos desses biomarcadores. A qualidade da informação mantida nos registos eletrónicos do doente afeta a eficiência da prestação de novos serviços, pois quanto mais precisos e completos forem, mais abordagens focadas nos doentes podem ser realizadas e com menor duplicação de esforços (31).

As principais causas de PRM avaliadas foram relacionadas com a segurança - interações medicamentosas, contraindicações e adequação dos medicamentos. A identificação de PRM é uma das primeiras etapas na otimização terapêutica seguida da sua classificação e resolução pelo farmacêutico ou prescritor. Como mostra o modelo de quatro clusters, o fator mais importante para decidir a integração em determinado grupo foram as interações medicamentosas. Esta observação levou-nos a considerar o doente outlier como representando doentes de alto risco que não foram sinalizados no momento da dispensa, e que beneficiariam de uma revisão terapêutica tipo 2A urgente. O uso do software Sifarma™ mostrou-se útil na revisão terapêutica, pois associa o grau de gravidade às causas de PRM, auxiliando na priorização dos doentes e na definição da intervenção profissional da farmácia mais adequada.

De entre as barreiras para implantação de novos serviços de farmácia amplamente identificadas na literatura, a falta de tempo é constantemente citada como uma das mais importantes (11,12). Para superar essa barreira, as tecnologias de informação serão uma ferramenta muito bem-vinda (13). Assim, consideramos evidente a necessidade de utilizar um algoritmo para identificar doentes para intervenções avançadas, integrando assim um novo serviço de relação com o cliente no fluxo de trabalho da farmácia sem grande disrupção. Dispor de um algoritmo automatizado capaz de sinalizar os doentes, complementando o sistema informático atual, constitui uma vantagem óbvia para qualquer farmácia e farmacêutico. A fim de ajudar os farmacêuticos na prestação de serviços sem aumentar a carga de trabalho, é desejável a automatização da revisão terapêutica do tipo 1. Esta revisão, não clínica, aborda questões simples relacionadas com a medicação evidenciando questões mais complexas para outro tipo de revisão ou serviço. Já existe evidência que um algoritmo informatizado pode suportar revisões terapêuticas menos demoradas, contínuas e reprodutíveis (18). A automatização da revisão terapêutica do tipo 1 envolve a triagem da base de dados da farmácia (Sifarma™), a identificação de grupos de doentes com base em critérios pré-definidos e a sugestão de um serviço profissional. No entanto, não é previsível a automatização de todos os tipos de revisões terapêuticas. Nenhuma automatização substitui a avaliação do farmacêutico. Já a acessibilidade aos registos eletrónicos dos doentes é essencial para o uso de queries e um ponto de partida para algoritmos baseados em critérios (21). Dessa forma, o recurso ao Machine Learning com a sua capacidade de usar algoritmos que capturam relações complexas e não lineares em bases de dados, pode viabilizar esse objetivo (13). Consideramos que este estudo foi um passo nessa direcção. Estudos futuros sobre este tópico devem concentrar-se em testar um algoritmo automatizado baseado nos critérios aqui identificados, avaliando a sua validade, pertinência e impacto na prática farmacêutica. A sua utilização na prática diária da farmácia permitirá melhorias contínuas e uma medição mais precisa dos resultados.

Este estudo apresenta algumas limitações que devem ser consideradas. Apesar do baixo número de doentes na amostra, consideramos relevante mostrar o potencial de utilização da informação e dados disponíveis nos registos eletrónicos da base de dados da farmácia, uma vez que essas informações são recolhidas de forma consistente ao longo do tempo, mas permanecem inexploradas. Contudo, o baixo número de doentes na amostra dificulta a extrapolação dos resultados da revisão de medicamentos para a população em geral. A frequência e o grau de contraindicações e interações não são generalizáveis. Além disso, a maioria dos medicamentos alvo de revisão terapêutica eram formas farmacêuticas orais sólidas, mas também é necessário prestar atenção às formas farmacêuticas não sólidas. Isso pode ter impacto na determinação da gravidade das interações, uma vez que o software apenas identifica a interação medicamentosa, cabendo ao farmacêutico a avaliação da sua importância. No que respeita a identificação de medicamentos potencialmente inadequados (MPI) teria sido mais completa se houvesse acesso ao respetivo diagnóstico do doente, conforme citado em estudo anterior (25). No entanto, Lavrador et al. (25) verificaram que, embora a falta de acesso aos diagnósticos dos doentes possa limitar a aplicação dos critérios de qualificação de Beers, esta limitação não teve efeito no número de MPI identificados. Este resultado confirma que a identificação de MPI, mesmo sem diagnóstico, é viável e deve ser realizada.

A definição de clusters por meio da análise de clusters em duas fases pode também ser questionada. Apesar deste método ser essencialmente descritivo e por isso adaptado à análise exploratória aqui reportada, parte dos pressupostos para a sua validade, nomeadamente a distribuição normal das variáveis contínuas, não foram observados. Contudo, como as variáveis incluídas eram independentes, as variáveis categóricas tinham uma distribuição multinominal e houve um baixo grau de multicolinearidade avaliado pelo VIF, é possível que, mesmo que todos os pressupostos não sejam completamente cumpridos, os clusters resultantes continuem a ser válidos (32). Como o objetivo foi identificar clusters nesta amostra, os resultados aqui apresentados só podem ser aplicados na farmácia onde ocorreu o estudo. De igual forma, o racional para atribuir serviços farmacêuticos a cada cluster está aberta a debate. A sugestão de serviços apresentada foi determinada pela nossa visão do processo de revisão terapêutica, onde a revisão do tipo 1 implica a identificação de PRM, ou causas de PRM, e fazer recomendações que permitam a sua resolução. A triagem da base de dados da farmácia, os critérios que permitem sinalizar os doentes, um output que identifica o doente, os motivos da sinalização e a sugestão / recomendação de um serviço profissional são os pilares necessários para uma futura intervenção farmacêutica. Com base neste output, o farmacêutico deve avaliar a situação, agendar o serviço e prestá-lo, registando nova informação que alimenta o algoritmo, fornecendo a base para uma estratégia de “carrossel” (i.e., ciclo contínuo de prestação de serviços farmacêuticos de acordo com as necessidades) para fidelizar o cliente e também contribuir para sustentabilidade da farmácia. Futuras revisões terapêuticas usando um algoritmo automatizado num conjunto alargado de farmácias com um maior número de doentes permitirão validar os clusters identificados.

Conclusões

A Farmácia de hoje tem uma riqueza de informação sobre seus utentes que está subutilizada. Para fornecer mais e melhores serviços profissionais, os farmacêuticos comunitários precisam de ferramentas e sistemas que analisem esses dados e processem a informação de forma fácil, rápida e contínua.

A revisão da medicação tipo 1 realizada nos registos eletrónicos dos doentes da farmácia usando o sistema Sifarma™ alertou para interações de medicamentos e contraindicações que conjugadas com os critérios de Beers, permitiu identificar potenciais PRM. A análise estatística realizada permitiu o agrupamento dos doentes em clusters, possibilitando a sua priorização e posterior definição de intervenções farmacêuticas em função das suas necessidades de saúde.

Com as tecnologias de informação atuais, pudemos identificar os doentes que podem beneficiar de serviços profissionais da farmácia, selecionar a intervenção mais adequada e sugerir o seu agendamento de acordo com a frequência de visita do doente à farmácia. Os próximos desenvolvimentos consistirão em testar uma nova ferramenta informática que permita triagem contínua da base de dados da farmácia com a identificação dos doentes em risco que mais beneficiarão dos serviços profissionais da farmácia. Com um sistema baseado num algoritmo e novos fluxos de trabalho na farmácia, a barreira omnipresente da falta de tempo poderá ser superada, aumentando a capacidade de o farmacêutico comunitário contribuir para o uso correto, eficaz e seguro de medicamentos.

Declaração sobre as contribuições do autor

LR, conceção e desenho do estudo; MM e LL, implementação experimental; LR, MM e JG, análise de dados; LR e JG, redação, edição e revisão; LR, figuras e gráficos; JG, supervisão e redação final.

Financiamento

Este estudo foi apoiado pela Farmácia Central do Cacém, Lda. e financiado por fundos nacionais através da FCT - Fundação para a Ciência e Tecnologia, I.P., no âmbito dos projetos UIDB / 04567/2020 e UIDP / 04567/2020. João Gregório é financiado pelo contrato de Estímulo ao Emprego Científico da Fundação para a Ciência e Tecnologia (FCT) com o número de referência CEEC / CBIOS / EPH / 2018

Agradecimentos

Os autores desejam expressar os seus agradecimentos à Farmácia Central do Cacém, Lda.

Conflito de Interesses

Os autores declaram que não há relações financeiras e/ou pessoais que possam representar um potencial conflito de interesses.

Referências

1. Meraya, A. M., Raval, A. D., & Sambamoorthi, U. (2015). Chronic condition combinations and health care expenditures and out-of-pocket spending burden among adults, Medical Expenditure Panel Survey, 2009 and 2011. Preventing Chronic Disease12, E12. https://doi.org/10.5888/pcd12.140388.

2. Bodenheimer, T., Wagner, E. H., & Grumbach, K. (2002). Improving primary care for patients with chronic illness. JAMA288(14), 1775–1779. https://doi.org/10.1001/jama.288.14.1775.

3. Makowsky, M. J., Schindel, T. J., Rosenthal, M., Campbell, K., Tsuyuki, R. T., & Madill, H. M. (2009). Collaboration between pharmacists, physicians and nurse practitioners: a qualitative investigation of working relationships in the inpatient medical setting. Journal of Interprofessional Care23(2), 169–184. https://doi.org/10.1080/13561820802602552.

4. Cranor, C. W., Bunting, B. A., & Christensen, D. B. (2003). The Asheville Project: long-term clinical and economic outcomes of a community pharmacy diabetes care program. Journal of the American Pharmaceutical Association (Washington, D.C. : 1996)43(2), 173–184. https://doi.org/10.1331/108658003321480713.

5. Hatah, E., Braund, R., Tordoff, J., & Duffull, S. B. (2014). A systematic review and meta-analysis of pharmacist-led fee-for-services medication review. British Journal of Clinical Pharmacology77(1), 102–115. https://doi.org/10.1111/bcp.12140.

6. Huiskes, V. J., Burger, D. M., van den Ende, C. H., & van den Bemt, B. J. (2017). Effectiveness of medication review: a systematic review and meta-analysis of randomized controlled trials. BMC Family Practice18(1), 5. https://doi.org/10.1186/s12875-016-0577-x).

7. Pharmaceutical Care Network Europe Foundation (2012). PCNE statement on medication review 2011-2012.

8. Blenkinsopp, A., Bond, C., & Raynor, D. K. (2012). Medication reviews. British Journal of Clinical Pharmacology74(4), 573–580. https://doi.org/10.1111/j.1365-2125.2012.04331.x).

9. Soares, M. A., Fernandez-Llimos, F., Cabrita, J., & Morais, J. (2011). Critérios de avaliação de prescrição de medicamentos potencialmente inapropriados: uma revisão sistemática [Tools to evaluate potentially inappropriate prescription in the elderly: a systematic review]. Acta Medica Portuguesa24(5), 775–784..

10. By the 2019 American Geriatrics Society Beers Criteria® Update Expert Panel (2019). American Geriatrics Society 2019 Updated AGS Beers Criteria® for Potentially Inappropriate Medication Use in Older Adults. Journal of the American Geriatrics Society67(4), 674–694. https://doi.org/10.1111/jgs.15767.

11. Niquille, A., Lattmann, C., & Bugnon, O. (2010). Medication reviews led by community pharmacists in Switzerland: a qualitative survey to evaluate barriers and facilitators. Pharmacy Practice8(1), 35–42. https://doi.org/10.4321/s1886-36552010000100004.

12. Coane, S., & Payne, R. (2016) Carrying out a structured medication review. Prescriber 27, 22–26. https://doi.org/10.1002/psb.1426

13. Gregório, J., & Cavaco, A. (2021). The pharmacist’s guide to the future: Are we there yet?. Research in Social & Administrative Pharmacy : RSAP17(4), 795–798. https://doi.org/10.1016/j.sapharm.2020.05.029

14. Baines, D., Nørgaard, L. S., Babar, Z. U., & Rossing, C. (2020). The Fourth Industrial Revolution: Will it change pharmacy practice?. Research in Social & Administrative Pharmacy : RSAP16(9), 1279–1281. https://doi.org/10.1016/j.sapharm.2019.04.003).

15. Gulavani, S. S., & Kulkarni, R. V. (2010) Role of information technology in health care. Proceedings of the 4th National Conference; INDIACom-2010.

16. Jackson, S., & Peterson, G. (2019). My Health Record: a community pharmacy perspective. Australian Prescriber42(2), 46–47. https://doi.org/10.18773/austprescr.2019.009

17. van Boven, J. F., Stuurman-Bieze, A. G., Hiddink, E. G., Postma, M. J., & Vegter, S. (2014). Medication monitoring and optimization: a targeted pharmacist program for effective and cost-effective improvement of chronic therapy adherence. Journal of Managed Care & Specialty Pharmacy20(8), 786–792. https://doi.org/10.18553/jmcp.2014.20.8.786.

18. de Wit, H. A., Mestres Gonzalvo, C., Hurkens, K. P., Mulder, W. J., Janknegt, R., Verhey, F. R., Schols, J. M., & van der Kuy, P. H. (2013). Development of a computer system to support medication reviews in nursing homes. International Journal of Clinical Pharmacy35(5), 668–672. https://doi.org/10.1007/s11096-013-9827-3.

19. Roten, I., Marty, S., & Beney, J. (2010). Electronic screening of medical records to detect inpatients at risk of drug-related problems. Pharmacy World & Science : PWS32(1), 103–107. https://doi.org/10.1007/s11096-009-9352-6.

20. Poudel, A., Ballokova, A., Hubbard, R. E., Gray, L. C., Mitchell, C. A., Nissen, L. M., & Scott, I. A. (2016). Algorithm of medication review in frail older people: Focus on minimizing the use of high-risk medications. Geriatrics & Gerontology International16(9), 1002–1013. https://doi.org/10.1111/ggi.12589).

21. Thiruchelvam, K., Wong, P. S., Kairuz, T., Babar, Z. U., & Hasan, S. S. (2018). Consolidated Medication Review Algorithm to Improve Medications Use in Older Adults: Components, Scoring Scheme, and Implementation. Journal of the American Medical Directors Association19(8), 717–718. https://doi.org/10.1016/j.jamda.2018.03.007).

22. Grupo de Investigación en Atención Farmacéutica (CTS131). Universidad de Granada; Grupo de Investigación en Farmacología Aplicada y Farmacoterapia (CTS259). Universidad de Sevilla; Grupo de Investigación en Farmacología (CTS164). Universidad de Granada (2002) Segundo consenso de Granada sobre problemas relacionados con medicamentos. Ars Pharmaceutica, 43(3-4): 179-187. http://hdl.handle.net/10481/28237

23. ANF - Sifarma Software. (2019) Manual da Compenente Profissional - Sifarma 2000 Software.

24. By the American Geriatrics Society 2015 Beers Criteria Update Expert Panel (2015). American Geriatrics Society 2015 Updated Beers Criteria for Potentially Inappropriate Medication Use in Older Adults. Journal of the American Geriatrics Society63(11), 2227–2246.

25. Lavrador, M., Silva, A. A., Cabral, A. C., Caramona, M. M., Fernandez-Llimos, F., Figueiredo, I. V., & Castel-Branco, M. M. (2019). Consequences of ignoring patient diagnoses when using the 2015 Updated Beers Criteria. International Journal of Clinical Pharmacy41(3), 751–756. https://doi.org/10.1007/s11096-019-00828-0.

26. Masnoon, N., Shakib, S., Kalisch-Ellett, L., & Caughey, G. E. (2017). What is polypharmacy? A systematic review of definitions. BMC Geriatrics17(1), 230. https://doi.org/10.1186/s12877-017-0621-2.

27. Gregório, J., Russo, G., & Lapão, L. V. (2016). Pharmaceutical services cost analysis using time-driven activity-based costing: A contribution to improve community pharmacies’ management. Research in Social & Administrative Pharmacy : RSAP, 12(3), 475–485. https://doi.org/10.1016/j.sapharm.2015.08.004.

28. Irish Pharmacy Union (2018). Vision for community pharmacy in Ireland. https://ipu.ie/wp-content/uploads/2018/04/PwC_IPU-report.pdf.

29. Boardman, H., Lewis, M., Croft, P., Trinder, P., & Rajaratnam, G. (2005). Use of community pharmacies: a population-based survey. Journal of Public Health (Oxford, England)27(3), 254–262. https://doi.org/10.1093/pubmed/fdi032.

30. Gregório, J., Cavaco, A. M., & Lapão, L. V. (2017). How to best manage time interaction with patients? Community pharmacist workload and service provision analysis. Research in Social & Administrative Pharmacy : RSAP13(1), 133–147. https://doi.org/10.1016/j.sapharm.2016.02.008.

31. Wright, D. J., & Twigg, M. J. (2016). Community pharmacy: an untapped patient data resource. Integrated Pharmacy Research & Practice5, 19–25. https://doi.org/10.2147/IPRP.S83261

32. IBM. Clustering Principles. (2020) IBM Knowledge Center [www.ibm.com/support/knowledgecenter/pt/

SSLVMB_24.0.0/spss/tutorials/twostep_methodology.html|

 

Copyright © 2021 ALIES. All Rights Reserved.Designed by templatemesh.com Powered by Joomla!