Physician-pharmacist collaborative care for dyslipidemia patients: Knowledge and skills of community pharmacists
Notice bibliographique
Résumé
INTRODUCTION: In a physician-pharmacist collaborative-care (PPCC) intervention, community pharmacists were responsible for initiating lipid-lowering pharmacotherapy and adjusting the medication dosage. They attended a 1-day interactive workshop supported by a treatment protocol and clinical and communication tools. Afterwards, changes in pharmacists' knowledge, their skills, and their satisfaction with the workshop were evaluated. METHODS: In a descriptive study nested in a clinical trial, pharmacists assigned to the PPCC intervention (n = 58) completed a knowledge questionnaire before and after the workshop. Their theoretical skills were evaluated with the use of a vignette approach (n = 58) after the workshop and their practical skills were assessed by direct observation with study patients (n = 28). RESULTS: The mean (SD) overall knowledge score was 45.8% (12.1%) before the workshop; it increased significantly to 89.3% (8.3%) afterwards (mean difference: 43.5%; 95% CI: 40.3%-46.7%). All the pharmacists had an overall theoretical-skill score of at least 80%, the minimum required to apply the PPCC in the trial. From 92.9% to 100% of the pharmacists' interventions with study patients complied with the treatment protocol. DISCUSSION: In primary care, a short continuing-education program based on a specific treatment protocol and clinical tools is necessary and probably sufficient to prepare pharmacists to provide advanced pharmaceutical 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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».