GRP-147 Pre-Post Study of Interruptions in a Pharmacy Department
Notice bibliographique
Résumé
<h3>Background</h3> Interruptions are a major concern in hospital pharmacy settings, given the nature and the requirements of the work such as sustained focused attention, validating prescriptions and performing complex processes. Interruptions may jeopardise the safe delivery of pharmaceutical services. <h3>Purpose</h3> The primary objective was to compare the number of stimuli per hour received and made by pharmacists and pharmacy technicians between 2010 and 2012. The secondary objective was to evaluate the impact of five corrective measures. <h3>Materials and Methods</h3> This was a pre-post cross-sectional observational study. The study was conducted in the main dispensing area of the pharmacy department of a University Hospital Center. The area is composed of three data entry stations each assigned one pharmacist and one pharmacy technician. Stimuli received and made by pharmacists and pharmacy technicians were counted before (2010) and after (2012) the implementation of corrective measures. The effect of five corrective measures was measured with a t-test for targeted stimuli. <h3>Results</h3> Sixty-two random 30-minute observation periods in 2010 (n = 2,663 stimuli) and 31 periods in 2012 (n = 1,217 stimuli) were conducted. An average rate of 85.9 ± 22.2 stimuli per hour was calculated in 2010 vs. 78.52 ± 20.1 in 2012 (P = 0.06). We observed a statistically significant decrease in the mean rate of stimuli per hour for three types of stimulus for pharmacists (i.e. printer noise 3.7 ± 2.4 vs. 0.6 ± 1.8 p < 0.001, face-to-face non-professional conversations 4.4 ± 4.2 vs. 1.2 ± 1.8 p = 0.003, Web browsing 1.3 ± 2.2 vs. 0 ± 0 p = 0.009) and for one type of stimuli for pharmacy technicians (i.e. printer noise 4.7 ± 3.2 vs. 0.75 ± 1.8 p < 0.001). <h3>Conclusions</h3> Despite the corrective measures, there was no statistically significant difference between the rates of stimuli per hour observed in 2010 and 2012. Other studies are needed to identify more efficient corrective measures and to better describe the nature and the impact of stimuli, distractions and interruptions in pharmacy practise. No conflict of interest.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».