MétaCan
Menu
Retour à la cohorte
Enregistrement W2769703615 · doi:10.1097/ceh.0000000000000166

Positive and Negative Impacts of a Continuing Professional Development Intervention on Pharmacist Practice

2017· article· en· W2769703615 sur OpenAlexaffabout
Sukhjinder Sidhu, Sean K Gorman, Richard S Slavik, Tasha Ramsey, Nicole Bruchet, Sarah Murray

Notice bibliographique

RevueJournal of Continuing Education in the Health Professions · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Policy Implementation Science
Établissements canadiensInterior Health
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionPharmacistIntervention (counseling)PneumoniaPharmacyPhysical therapyIntensive care medicineFamily medicineNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Evaluations of behavior change interventions aimed at improving professional practice are increasingly focused on impacts at the practice and patient outcome levels. Many of these evaluations assume that if the intended changes occur, the result represents an improvement. However, given the systemic nature of clinical practice, a change in one area can produce changes in other areas as well, some of which may adversely affect the patient. Balancing measures are used to determine whether unintended consequences of an intervention have been introduced into other areas of the system. The aims of this study were to evaluate the impact of behavior change intervention-based continuing professional development (CPD) on pharmacist interventions (resolution of drug therapy problems-DTPs) and resolution of quality indicator DTPs and knowledge change for urinary tract infections (UTI) and pneumonia. As a balancing measure, we aimed to determine whether delivery of behavior change interventions targeting pneumonia and UTI practice results in a negative impact on other important pharmacist interventions, specifically the resolution of heart failure DTPs. METHODS: A quasiexperimental study was conducted at a Canadian health authority that evaluated the impacts of an 8-week multifaceted behavior change intervention delivered to 58 ward-based pharmacists. The primary outcome was change in proportion of UTI and pneumonia DTPs resolved from the 6-month preintervention to 6-month postintervention phase. Secondary outcomes were changes in proportion of UTI and pneumonia quality indicator DTPs resolved, knowledge quiz scores, and proportion of quality indicator DTPs resolved for heart failure as a balancing measure. RESULTS: A total of 58 pharmacists were targets of the intervention. The proportion of resolved UTI and pneumonia DTPs increased from 17.8 to 27.2% (relative risk increase 52.8%, 95% confidence interval [CI] 42.8-63.6%; P < 0.05). The proportion of resolved UTI and pneumonia quality indicator DTPs increased from 12.2% to 18.2% (relative risk increase 49.9%, 95% CI 34.5-67.0%; P < 0.05). Resolved heart failure DTPs decreased from 14.3 to 8.5% (RRR 40.4%, 95% CI 33.9-46.2%; P < 0.05). Thirty-six pharmacists completed the pre- and post-quiz. Scores increased from 11.3/20 ± 3.2/20 to 14.8/20 ± 2.9/20 (P < 0.05). DISCUSSION: CPD using a multifaceted behavior change intervention improved pharmacist behavior and knowledge for UTI and pneumonia. However, these improvements may be offset by reduced interventions for other disease states, such as heart failure. Strategies to mitigate the unintended effects on other professional behaviors should be implemented when delivering CPD focused on changing one aspect of professional behavior.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,270
Tête enseignante GPT0,667
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Continuing Education in the Health ProfessionsMême sujetHealth Policy Implementation ScienceTravaux en français237 207