Effects of Smartphones on Pharmacist-Physician Clinical Communication
Notice bibliographique
Résumé
Background: Clinical pharmacist interventions are associated with improved patient outcomes and cost savings. Expanded interprofessional communication strategies may improve the efficiency and quality of the communication of these interventions. Objective: To determine the impact of smartphone device use on pharmacists' efficiency when communicating clinical interventions and to determine factors related to smartphone use that improve and impede communication. Methods: A prospective, 2-phase, observational study was completed. In phase 1, work shadowing observations involved general internal medicine (GIM) pharmacists who communicated interventions to a physician's smartphone (BlackBerry device) and multiorgan transplant (MOT) pharmacists who used traditional modes of communication (paging, phone call, face-to-face). On each ward, various aspects of the interventions were documented for a total of 20 hours. In phase 2, 10 interviews were conducted with GIM pharmacists and physicians to gain their perspectives on BlackBerry device communication. Results: In phase 1, no significant difference was found in median time to resolution (order change or drug information response given) between accepted interventions from the smartphone group (15.5 minutes) versus traditional modes of communication in the GIM group (4 minutes) and the MOT group (8.5 minutes) (p = 0.74). In phase 2, themes that emerged across the different clinical groups included perceived improvements in communication processes (efficiency, decreased wait times, and triaging of issues), concerns for potential miscommunication (use of tone in the emails), and recommendations regarding BlackBerry best practices (dealing with urgent/nonurgent issues and establishment of pharmacist-physician interprofessional relationships). Conclusions: Despite no significant difference in median time to resolution of pharmacists' interventions communicated through physician BlackBerry devices compared to traditional modes, the majority of interviewees perceived this device to be a positive communication tool resulting in improved efficiency of team communication.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».