摘要: 目的：系统评价药学服务是否能对高血脂患者的各血脂项目指标、用药不良反应发生率及用药不合理现象发生情况有所改善。方法：运用计算机检索数据库，包括CNKI、万方数据库、维普数据库、CBM、PubMed、Medline、Embase、Cochrane Library等。检索药学服务对血脂异常患者用药影响相关的随机对照试验和非随机干预性研究，限制时间为1995年1月1日~2023年12月30日。筛选文献，对纳入的研究进行资料提取，并利用相关量表进行文献质量评价，使用RevMan 5.4软件对患者血脂项目、用药不良反应发生率、用药不合理现象发生情况等进行系统评价和Meta分析。结果：共纳入24项研究，Meta分析结果显示，药学服务组HDL-C、LDL-C、TC、TG、不良反应发生率均较常规治疗组有明显改善，且均具有统计学意义(HDL-C：MD = 0.15，95% CI为0.05~0.26，
P = 0.004；LDL-C：MD = −0.50，95% CI为−0.68~−0.32，
P < 0.00001；TC：MD = −0.76，95% CI为−0.90~−0.62，
P < 0.00001；TG：MD = −0.50，95% CI为−0.66~−0.33，
P < 0.00001；不良反应发生率：RR = 0.24，95% CI为0.18~0.32，
P < 0.00001)。控制用药不合理方面，从四个方面进行了分析，结果显示药学干预组均显著地优于对照组(用药重复：RR = 0.45，95% CI为0.4~0.52，
P < 0.00001；用法不合：RR = 0.38，95% CI为0.32~0.46，
P < 0.00001；用量不合理：RR = 0.48，95% CI为0.39~0.57，
P < 0.00001；用药途径不合理：RR = 0.39，95% CI为0.33~0.47，
P < 0.00001)。结论：药学服务在血脂异常患者中具有较好的应用效果，能够有效地改善血脂指标和用药情况，降低不良反应发生率，提高患者的用药安全性和合理性。
Abstract: Objective: To systematically evaluate whether pharmacy services can improve the indicators of each lipid program, the incidence of adverse drug reactions and the occurrence of irrationality in medication use in patients with hyperlipidemia. Methods: To search the database by compute, including CNKI, Wanfang and VIP database, CBM, PubMed, Medline, Embase, and Cochrane Library, etc. Randomized controlled trial and non-randomized studies of interventions related to the effect of pharmacy service interventions on medication use in patients with dyslipidemia were searched, with a restricted time period from January 1, 1995 to December 30, 2023. Literature was screened, data were extracted from the included studies, and the quality of literature was evaluated using relevant scales, and systematic evaluation and Meta-analysis of patients’ lipid programs, incidence of adverse drug reactions, and incidence of irrationality in drug use were performed using RevMan 5.4 software. Results: A total of 24 studies were included, and the results of the Meta-analysis showed that the rates of HDLC, LDLC, TC, TG, and adverse reactions in the pharmacy service intervention group were significantly improved compared with those in the conventional treatment group, and all of them were statistically significant (HDL-C: MD = 0.15, 95% CI was 0.05 to 0.26, P = 0.004; LDL-C: MD = −0.50, 95% CI was −0.68 to −0.32, P < 0.00001; TC: MD = −0.76, 95% CI was −0.90 to −0.62, P < 0.00001; TG: MD = −0.50, 95% CI was −0.66 to −0.33, P < 0.00001; incidence of adverse reactions: RR = 0.24, 95% CI was 0.18 to 0.32, P < 0.00001). In terms of controlling medication irrationality, four aspects were analyzed, and the results showed that the pharmacy intervention group was significantly better than the control group (Duplication of medication: RR = 0.45, 95% CI 0.4 to 0.52, P < 0.00001; Irrational dosage: RR = 0.38, 95% CI 0.32 to 0.46, P < 0.00001; Irrational dosage: RR = 0.48, 95% CI of 0.39 to 0.57, P < 0.00001; Irrational route of administration: RR = 0.39, 95% CI of 0.33 to 0.47, P < 0.00001). Conclusion: Pharmacy service intervention has a better application effect in patients with dyslipidemia, which can effectively improve the lipid index and medication, reduce the incidence of adverse drug reactions, and improve the safety and reasonableness of patients’ medication.
1. 引言
心血管疾病是威胁人类健康的主要因素之一，是导致死亡的重要原因，也是全球范围内亟待解决的公共卫生问题[1]。血脂异常易导致患者发生动脉粥样硬化性心血管疾病(atherosclerotic cardiovascular disease, ASCVD)，引发缺血性脑卒中、冠心病等，是心血管疾病相关死亡的重要原因，合理管控血脂，对于提升个体健康具有重要意义[2]-[4]。血脂异常患者通常表现为血浆甘油三酯(triglyceride, TG)、胆固醇(total cholesterol, TC)及低密度脂蛋白胆固醇(low-density lipoprotein cholesterol, LDL-C)升高[5] [6]。血脂异常属于慢性疾病，治疗周期长[7]。目前临床主要采取药物进行治疗，但用药尚存在一些问题，比如使用药品时，其剂量、频率、途径或时间安排不符合药品说明书或医疗专业人员的建议，出现用法用量不合理、用药不规律、用药中断等情况，影响血脂控制效果，且易引发用药不良反应(adverse drug reactions, ADR)，影响患者预后。因此加强相关用药指导，对高血脂的治疗至关重要[8]。药学服务遵循各类药物用药制度，对医师处方进行严密监测，对患者及家属加强用药知识宣教，旨在提高用药的依从性和合理性，并及时发现用药问题，迅速采取有效措施，确保用药的安全性和有效性，降低药物不良反应的发生率，从而提升疾病的控制率[9]-[11]。多项研究[12]-[14]表明，药学服务能有效地提升高血脂患者用药的依从性。但是关于药学服务在血脂管理中所发挥的具体作用，现有的总结分析相关研究尚少。本文通过对国内外关于药学服务在血脂管理中的作用的相关文献报道，进行系统的荟萃分析，旨在为药学服务在血脂管理中所起到的作用做一个系统的分析和总结。
2. 资料与方法
2.1. 纳入标准
2.1.1. 研究设计
纳入已发表、可以获得全文、原始数据完整的随机对照试验(randomized controlled trial, RCT)、非随机干预性研究。排除摘要、无法提取数据的研究、未发表的文献、会议论文、及数据偏离过大的文献，排除未设对照组的研究、非临床研究。
2.1.2. 研究对象
根据《中国血脂管理指南(2023版)》，高血脂患者诊断标准为：TC ≥ 6.2 mmol/L，TG ≥ 2.3 mmol/L，LDL-C ≥ 4.1 mmol/L，非HDL-C ≥ 4.9 mmol/L [1]。在本文中，所引用的文献数据中各血脂项目单位统一为mmol/L，不同单位间相互转换系数，TG为1 mg/dl = 0.0113 mmol/L，TC、LDL-C、高密度脂蛋白胆固醇(high-density lipoprotein cholesterol, HDL-C)均为1 mg/dl = 0.0259 mmol/L [15]。
2.1.3. 干预措施
对照组：对照组正常使用降血脂药物，期间除正常的用药交代外不使用药学服务措施；观察组在使用降血脂药物治疗的同时进行药学服务，并对病人在治疗过程中可能发生的不合理使用降血脂药物的问题，根据具体状况开展相对应的预防和纠正措施。
2.1.4. 结局指标
主要考察指标为不良反应发生率、用药不合理情况、血脂异常改善情况。其中，用药不合理情况主要包括用法不合理、用量不合理、用药途径不合理、药物重复使用，几种情况分别进行分析；血脂异常判断项目包括TG、TC、LDL-C、HDL-C，四个血脂项目分别进行分析。
2.2. 检索方法
检索中文和英文数据库，主要包括中国知网(CNKI)、万方数据库(WanFang Data)、维普数据库(VIP)、中国生物医学文献数据库(CBM)、PubMed、Medline、Embase、Cochrane Library。检索时，限制时间为1995年1月1日~2023年12月30日，中文检索词为：药学服务、血脂、三酰甘油、低密度脂蛋白、高密度脂蛋白等；中文检索方式为：“药学服务”与其他词两两自由组合进行检索。英文检索词为：pharmacists、pharmaceutical services、medication review、pharmacist intervention、lipids、triglyceride、total cholesterol、HDL-C、LDL-C；英文检索式为：(((("Pharmacists"[Majr]) OR ("Pharmaceutical Services"[Mesh])) OR ("Medication Review"[Majr])) OR (pharmacist intervention)) AND ((((("Lipids"[Majr]) OR ("Triglycerides"[Majr])) OR (total cholesterol)) OR ("Cholesterol, LDL"[Majr])) OR ("Cholesterol, HDL"[Majr]))。
2.3. 文献筛选及质量评价
两名研究者分别依照之研究设计中所述方法进行文献检索，对所检出的文献内容进行阅读和判定，根据Cochrane Reviewer Handbook 5.0版推荐偏倚风险评价工具，对纳入文献进行偏倚评价，由两名研究者对结果开展交叉核对，并独立提取核对后的文章中的相关数据，如遇分歧时，需与第三者进行讨论后，得出一致的结论。
2.4. 统计学分析
数据分析采用Revman 5.4软件进行。二分类变量，采用风险比率比(Risk Ratio, RR)和95%置信区间(Confidence interval, CI)来表示；数值变量，采用均数差(mean difference, MD)和其95%置信区间表示。对纳入的所有研究进行异质性检验(采用Q检验)，若异质性结果P > 0.10，且I2 < 50%，认为多个研究具有同质性采用固定效应模型(fixed effect model, FE)计算合并统计量并进行分析；若P ≤ 0.10，且I2 ≥ 50%，表示各研究间有异质性采用随机效应模型(random effect model, RE)计算合并统计量并进行分析。Meta分析的检验水准为α = 0.05。若合并的结果P < 0.05则认为存在有统计学差异。
3. 结果
3.1. 纳入研究的概况
3.1.1. 文献检索结果
初步检索，查询得英文文献1215篇，中文文献17,851篇，去除重复文献，2667篇，剩余16,399篇。通过浏览，标题和摘要，排除不相关文献15,013篇剩余文献1386篇。通过阅读全文，删除不符合要求的文献1302篇，剩余84篇。通过精度全文后排除无结局指标、结局指标不全、数据缺失或有明显差错的文献60篇，最后纳入24篇[9] [16]-[38]文献，英文文献共6篇，中文文献18篇，进行Meta分析(图1)。
3.1.2. 纳入研究的基本特征
纳入24篇文献，其中2篇[22] [23]回顾性研究，其余22篇均为RCT，共4019名血脂异常患者，其中2042名患者在常规降脂治疗的同时接受药学服务，2017名患者只接受常规的降脂治疗。纳入的文献的基本特征见表1。
3.1.3. 纳入研究的质量评价
本研究纳入的RCT共22项，使用ROB量表[39]进行评价。有13项研究详细阐明了所使用的随机分组方法，其中有3项[17] [26] [27]按照有无进行药物干预进行分配，1项[21]按照入院时间随机分配，3项[31] [32] [37]按照住院号、随机编号或病床单双号分配，1项[34]按照入院注册号随机分配，均判定为存在高风险偏倚；3项[9] [19] [33]按照随机数字法分组，2项[30] [36]按照计算机随机化分组，均判定为低风险；剩余9项提及随机分组，但未阐明具体的随机化方法，判定为不清楚风险。有3项[30] [34] [36]分配隐藏方式为计算机随机抽取，有1项[33]采用在非透明容器中随机抽取，判定为低风险；其余研究未说明是否采用分配隐藏。有1项[25]研究提及盲法，有1项[29]研究进行双盲，判定为低风险；其余研究均未提及盲法。有5项[33] [34] [36]-[38]研究对患者的失访情况请进了详细的报道，但是这些失访并未影响到最终结果的分析，全部判定为低风险。所有研究均有研究方案，方案中预先指定的结果指标均有报告，全部判定为低风险。偏倚分布图见图2，图3。
Figure 1. Flow diagram of the selection process of literature
图1. 文献筛选流程图
Table 1. Basic characteristics of the included studies
表1. 纳入研究的基本特征表
作者 |
年份 |
样本量(总数，男/女，人) |
年龄(岁) |
药学服务
措施 |
研究对象 |
结局指标 |
柴昊[16] |
2019年 |
142 (82/60) |
40~79 |
b |
2016年4月至2018年4月收治行降血脂药物治疗患者 |
⑤⑥ |
刘婕[17] |
2020年 |
102 (57/55) |
19~77 |
a、b、d、e、f |
2016年3月20日至2019年2月18日收治的行降血脂药物治疗的患者 |
①②④⑤⑥ |
张晓辉[18] |
2018年 |
50 (25/25) |
平均年龄42岁 |
a、b、d、e、f |
2016年2月11日至2018年2月11日期间收治的行降血脂药物治疗患者 |
⑤⑥ |
段霞[19] |
2017年 |
480 (250/230) |
平均年龄58岁 |
a、b、d、e |
2016年1月至2016年12月收治的行降血脂药物治疗的患者 |
⑥ |
王虎[20] |
2017年 |
200 (102/98) |
22~72 |
a、b、d、e |
2016年1月至2017年1月收治的行降血脂药物治疗患者 |
⑤⑥ |
申慧珍[21] |
2019年 |
166 (99/67) |
36~75 |
a、b、d、e |
2017年1月至2018年11月收治的200例降血脂药物治疗患者 |
⑤⑥ |
胡绍山[9] |
2023年 |
112 (65/47) |
42~71 |
b、e、f |
2020年2月至2021年2月收治的行降血脂药物治疗患者 |
①②③④⑤⑥ |
邹勇[22] |
2017年 |
500 (295/205) |
20~69 |
b、d、e |
2017年1月至2018年11月接受的行降血脂药物治疗患者 |
⑤⑥ |
高波[23] |
2022年 |
156 (93/63) |
45~80 |
a、b、d、e |
2020年2月至2021年5月接受的行降血脂药物治疗患者 |
①②③④⑥ |
何建洲[24] |
2019年 |
138 (72/66) |
42~78 |
b、e |
2016年1月至11月，行降脂药治疗的患者 |
①②③④⑤ |
刘冬研[25] |
2020年 |
160 (93/67) |
44~79 |
b |
2018年1月至2019年2月收治需降血脂药物治疗的患者 |
①②③④⑤ |
熊明珠[26] |
2017年 |
325 (171/144) |
26~66 |
b、e |
2015年7月~2016年8月收治的需降血脂药物治疗的患者 |
⑤ |
陈鹏[27] |
2020年 |
200 (100/100) |
平均年龄59岁 |
a、b、e |
观察组2019年1月起，行降脂药物治疗患者；对照组：以既往行降脂药常规治疗患者 |
⑤ |
韩婷[28] |
2022年 |
48 (27/21) |
53~78 |
b、c、d、e |
2021年1月至2021年12月行降脂药治疗的患者 |
①②③④ |
陈卫平[29] |
2019年 |
100 (57/43) |
38~79 |
b、f |
2017年10月至2018年10月期间接诊的行高脂血药物治疗患者 |
①②④③ |
郑荣[30] |
2020年 |
200 (113/87) |
平均年57岁 |
a、b、f、h |
2017年9月至2018年4月期间接诊的行高脂血药物治疗患者 |
①②③④ |
许怀丽[31] |
2022年 |
120 (66/54) |
不清楚 |
b、f |
2021年1月至6月期间收治的精神分裂症合并血脂异常患者 |
②③④ |
杨少杰[32] |
2017年 |
96 (56/40) |
44~68 |
a、b |
2015年2月至2016年8月收治的高脂血症住院患 |
①②④ |
Saowanee Phumipamorn等[33] |
2008年 |
130 (不清楚) |
>18岁 |
b、f |
2005年8月至2006年5月收治的2型糖尿病合并高血脂患者(泰国) |
①②③④ |
Eylem Ilktac Korcegez等[34] |
2017年 |
152 (不清楚) |
不清楚 |
b、f |
2013年10月至2015年7月收治的2型糖尿病合并高血脂患者(北塞浦路斯地区) |
①②③④ |
Claudio P Paulós [35] |
2005年 |
42 (8/34) |
平均年龄64岁 |
b、f、g |
行降脂治疗的高血脂患者 |
③④ |
Jeannie K. Lee [36] |
2006年 |
121 (不清楚) |
平均年龄78岁 |
a、b、f |
接受4中或四种以上慢性病药治疗的老年患者 |
② |
Javaid, Z [37] |
2018年 |
135 (43/92) |
平均年龄50岁 |
b、f、e |
2型糖尿病患者 |
①②③④ |
Suhadi, Ra
[38] |
2019年 |
120 (20/100) |
40~55 |
b、g、f |
存在心血管高风险的患者 |
①③ |
Suhadi, Rb
[38] |
2019年 |
62 (20/42) |
56~70 |
b、g、f |
存在心血管高风险的患者 |
①③ |
注：a个体化用药指导；b药师用药宣教；c成立药学管理小组；d患者风险分级管理；e相关医护人员集中规范培训；f患者定期访谈和行为纠正；g问卷调查；h微信群中药学知识推送。① HDL-C值；② LDL-C值；③ TC值；④ TG值；⑤ 不良反应；⑥ 用药不合理情况。
Figure 2. Bar chart of bias risk of the included studies
图2. 纳入研究风险偏倚条形图
Figure 3. Bias risk map of the included studies
图3. 纳入研究的偏倚风险图
本研究纳入回顾性研究2项[22] [23]，采用ROBINS-I量表[40]进行偏倚风险评价，在评价的7个领域中，选择对象偏倚、干预措施分类偏倚、实施偏倚、失访偏倚和选择报告偏倚这五个领域，均为低偏倚风险；在混杂偏倚领域，1项[22]研究未描述实验组和对照组基线是否一致，有潜在的影响干预混杂因素，为高风险偏倚；在结局测量领域，因不清楚结局评价人员是否知道受试者接受的干预，因此均评价为中等偏倚风险，结果见表2。
Table 2. Bias assessment of enrolled retrospective analysis
表2. 纳入回顾性研究得偏倚分布
研究文献 |
混杂偏倚 |
选择对象
偏倚 |
干预措施
分类偏倚 |
实施偏倚 |
失访偏倚 |
结局测量
偏倚 |
报告偏倚 |
总体偏倚 |
[22] |
高 |
低 |
低 |
低 |
低 |
中 |
低 |
高 |
[23] |
低 |
低 |
低 |
低 |
低 |
中 |
低 |
中 |
3.2. Meta分析结果
3.2.1. 药学服务对血脂异常患者各血脂项目控制的影响
纳入的文献中，13个文献[9] [17] [23]-[25] [28]-[30] [32]-[34] [37] [38]报道了HDL-C的变化，共纳入患者1643例，其中药学服务组患者817例，常规治疗组患者826例。对纳入研究进行异质性检验，得P < 0.00001，I2 = 95%，存在统计学异质性，选用随机效应模型进行Meta分析。而HDL-C与心血管疾病的发生呈负相关，也可作为ASCVD风险预测的生物标志物[41]。分析结果显示，在改善HDL-C方面，药学服务组与常规治疗组之间，药学服务组明显优于常规治疗组，结果具有统计学差异(MD = 0.15，95% CI为0.05~0.26，P = 0.004) (图4)。
Figure 4. Influence of pharmaceutical services on improving the HDL-C
图4. 药学服务对改善HDL-C的影响
纳入的文献中，14个文献[9] [17] [23]-[25] [28]-[34] [36] [37]报道了LDL-C的变化，共纳入1770例患者，药学服务组901例患者，常规治疗组869例患者。对纳入研究进行异质性检验，得P < 0.00001，I2 = 93%，存在统计学异质性，选用随机效应模型进行Meta分析。结果显示，在改善LDL-C方面，药学服务组与常规治疗组之间，具有统计学差异(MD = −0.50, 95% CI为−0.68~−0.32, P < 0.00001) (图5)。
纳入的文献中，13个文献[9] [23]-[25] [28]-[31] [33]-[35] [37] [38]报道了TC的变化，共纳入1675例患者，药学服务组843例患者，常规治疗组832例患者。对纳入研究进行异质性检验，得P < 0.00001，I2 = 94%，存在统计学异质性，选用随机效应模型进行Meta分析。结果显示，在改善TC方面，药学服务组与常规治疗组之间，具有统计学差异(MD = −0.76，95% CI为−0.90~−0.42，P < 0.00001) (图6)。
Figure 5. Influence of pharmaceutical services on improving the LDL-C
图5. 药学服务对改善LDL-C的影响
Figure 6. Influence of pharmaceutical services on improving the TC
图6. 药学服务对改善TC的影响
纳入的文献中，14个文献[9] [17] [23]-[25] [28]-[35] [37]报道了TG的变化，共纳入患者1691例，药学服务组患者860例，常规治疗组患者831例。对纳入研究进行异质性检验，得P < 0.00001，I2 = 96%，存在统计学异质性，选用随机效应模型进行Meta分析。结果显示，在改善TG方面，药学服务组与常规治疗组之间，具有统计学差异(MD = −0.50，95% CI为−0.66~−0.33，P < 0.00001) (图7)。
3.2.2. 药学服务对血脂异常患者用药不良反应发生率的影响
纳入的文献中，11个文献[9] [16]-[18] [20]-[22] [24]-[27]报道了不良反应发生率的变化，共纳入患者2095例，其中，药学服务组患者1052例，常规治疗组患者1043例。对纳入研究进行异质性检验，得P = 0.95，I2 = 0%，不存在统计学异质性，选用固定效应模型进行Meta分析。结果显示，在改善不良反应发生率方面，药学服务组与常规治疗组之间，存在显著统计学差异(RR = 0.24，95% CI为0.18~0.32，P < 0.00001) (图8)。
Figure 7. Influence of pharmaceutical services on improving the TG
图7. 药学服务对改善TG的影响
Figure 8. Effect of pharmaceutical services on the incidence of ADR
图8. 药学服务对ADR发生率的影响
3.2.3. 药学服务对血脂异常患者用药不合理情况的影响
纳入的文献中，有9个文献[9] [16]-[23]报道了用药不合理情况，主要包括用药重复、用法不合理、用量不合理、用药途径不合理四个方面，共纳入患者1908例，其中药学服务组959例，常规治疗组949例。
用药重复：对纳入研究进行异质性检验，得P = 0.88，I2 = 0%，不存在统计学异质性，选用固定效应模型进行Meta分析。结果显示，在改善重复用药情况方面，药学服务组与常规治疗组之间，存在显著统计学差异(RR = 0.45，95% CI为0.4~0.52，P < 0.00001) (图9)。
用法不合理：对纳入的研究进行异质性检验，得P = 0.73，I2 = 0%，不存在统计学异质性，选用固定效应模型进行Meta分析。结果显示，在改善用法不合理现象方面，药学服务组与常规治疗组之间，存在显著统计学差异(RR = 0.38，95% CI为0.32~0.46，P < 0.00001) (图10)。
用量不合理：对纳入研究进行异质性检验，得P = 0.13，I2 = 37%，不存在统计学异质性,选用固定效应模型进行Meta分析。结果显示，在改善用量不合理现象方面，药学服务组与常规治疗组之间，存在显著统计学差异(RR = 0.48，95% CI为0.39~0.57，P < 0.00001) (图11)。
Figure 9. Influence of pharmaceutical services on improving the repeated drug use phenomenon
图9. 药学服务对改善用药重复现象的影响
Figure 10. Influence of pharmaceutical services on improving the unreasonable usage phenomenon
图10. 药学服务对改善用法不合理现象的影响
Figure 11. Influence of pharmaceutical services on improving the unreasonable consumption phenomenon
图11. 药学服务对改善用量不合理现象的影响
用药途径不合理：各研究间不存在统计学异质性(P = 0.87, I2 = 0%)，选用固定效应模型进行Meta分析。结果显示，在改善用药途径不合理现象方面，药学服务组与常规治疗组之间，存在显著统计学差异(RR = 0.39，95% CI为0.33~0.47，P < 0.00001) (图12)。
Figure 12. Influence of pharmaceutical services on improving the unreasonable prevalence of drug use routes
图12. 药学服务对改善用药途径不合理现象的影响
3.4. 发表偏倚
对HDL-C、LDL-C、TC、TG、不良反应、进行发表偏倚分析，通过漏斗图可见，结果基本均匀分布在两侧，有轻微不对称性，提示有偏倚分险的可能性较小(图13)。
(a) HDL-C (b) LDL-C
(c) TC (d) TG
(e) ADR
Figure 13. Inverted funnel plot of pharmacy service improvement indicators
图13. 药学服务改善指标的倒漏斗图
4. 讨论
通过本次Meta分析，我们发现药学服务在血脂异常管理中具有显著的优势。在降低TC、TG、LDL-C、提升HDL-C方面，药学服务组相较于常规治疗组都表现出更明显的改善，且均具有统计学差异。这些结果表明，药学服务在调节血脂方面具有积极作用，可能有助于降低心血管疾病的风险[42]。
此外，药学服务在减少不良反应发生率方面也表现出明显的效果。通过对比药学服务组和常规治疗组的不良反应发生率，我们发现药学服务组的不良反应发生率显著降低。这可能是因为药师的专业建议和更合理的用药方案提升了药物的依从性，减少了不合理的药物使用，从而降低了不良反应的风险[43]。药学服务作为医疗服务的一部分，药学人员用自身的药学专业知识，利用相关的工具对社会大众以及用药人员提供有关药学的各种服务，这种服务具有很强的主观能动性，要求在对患者服务时，能够始终遵守“以患者为中心”的原则，加强对患者的人文关怀，促使其能够完全遵照医嘱用药，提高用药安全性、经济性以及有效性[44]。血脂异常属于慢性疾病，治疗周期长，在治疗初期，患者及家属会严格遵医嘱及说明书用药，但是在经过长期的治疗后，会出现擅自停药或者减量，随意调整用药时间等不遵医嘱等用药依从性问题，影响患者预后。为患者提供药学服务，通过反复向患者讲解有关药物的使用知识，不断加强患者的用药意识，使患者能记住药品的用法用量及注意事项，明白正确用药的重要性，加强患者的用药意识。同时，及时跟踪患者是否存在用药问题，并及时地予以解答，纠正不合理的用药现象，促使其能严格地遵医嘱，有效减少不良反应的发生。
在用药合理性的评估中，我们发现药学服务在改善用药重复、用法不合理、用量不合理以及用药途径不合理情况方面，均表现出显著的优势且都具有统计学差异。这些结果表明，药师的专业干预能够有效地解决用药不合理的现象，提高患者的用药安全性和有效性。
综上所述，药学服务在血脂异常患者的管理中显示出积极的效果，能够有效地改善血脂指标、降低不良反应发生率并提高用药合理性。
然而，本研究还存在一些局限性：① 部分结局指标纳入研究均来自中国且数量较少，代表性和广泛性不足。② 所纳入研究中，采用的药学干预措施均有差异，且每个研究机构存在的药学服务基础并不相同，会对结局指标造成一定的影响。③ 纳入的RCT中有一些研究并未明确盲法、随机方法、分配隐藏等，使研究存在一定的偏倚风险。
为了更全面地评估药学服务的效果，后续我们需要进一步开展更多高质量的研究，并关注长期干预对血脂异常管理的影响。此外，对于具体的用药方案和个体差异也需要进一步探讨，以提供更具针对性的药学服务。在药学服务研究过程中，应着重强调以患者为核心的服务理念。药师作为核心角色，需与医生、护士、家属等医疗团队成员紧密合作，共同致力于优化患者的健康状况和药物治疗效果。此外，借助先进的信息技术系统，如电话沟通、微信群聊、宣传手册、诊疗会议和处方审核等，可有效促进参与患者护理的各方之间的信息交流，进而提升整体服务质量与效率。
基金项目
云南省科技厅昆明医科大学联合专项(No. 202201AY070001-210)。
NOTES
*通讯作者。