Overview of the uptake and implementation of non-medical prescribing in Wales: a national survey
Notice bibliographique
Résumé
OBJECTIVES: To identify (1) the non-medical healthcare professionals in Wales qualified to prescribe medicines (including job title, employer, where the prescribing qualification is used, care setting and service provided); (2) the mode of prescribing used by these healthcare professionals, the frequency with which medicines are prescribed and the different ways in which the prescribing qualification is used; and (3) the safety and clinical governance systems within which these healthcare professionals practise. DESIGN: National questionnaire survey. SETTING: All three National Health Service (NHS) Trusts and seven Health Boards (HB) in Wales. PARTICIPANTS: Non-medical prescribers. RESULTS: 379 (63%) participants responded to the survey. Most of these prescribers (41.1%) were specialist nurses who work in a variety of healthcare settings (primarily in secondary care) within each HB/NHS Trust, and regularly use independent prescribing to prescribe for a broad range of conditions. Nearly a quarter of the sample (22%) reported that prior to undertaking the prescribing programme, they had completed master's level specialist training and 65.5% had 5 years qualified experience. Over half (55.8%) reported that there were plans to increase non-medical prescriber numbers within the team in which they worked. Only 7.1% reported they did not prescribe and the median number of items prescribed per week was between 21 and 30. Nearly all (87.8%) of the sample reported that they perceived prescribing to have ensured better use of their skills and 91.5% indicated that they believed it had improved the quality of care they were able to provide. CONCLUSION: Non-medical prescribing has been implemented across the whole of Wales; however, its uptake within HBs and NHS Trusts has been inconsistent, and it has not been considered across all services, particularly those in primary care. Opportunities therefore exist to share learning across organisations.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,005 | 0,001 |
| 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».