MétaCan
Menu
Retour à la cohorte
Enregistrement W2899498413 · doi:10.5539/mas.v12n11p210

Pharmaceutical Promotion Tools Effect on Physician's Adoption of Medicine Prescribing: Evidence from Jordan

2018· article· en· W2899498413 sur OpenAlexvenueno aff
Muhammad Turki Alshurideh, Barween Al Kurdi, AlaAbdullah Abumari, Said A. Salloum

Notice bibliographique

RevueModern Applied Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Leadership and Management Strategies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPromotion (chess)Family medicineSample (material)Sampling (signal processing)MedicineMedical educationBusinessMarketingPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The study aims to investigate the effect of pharmaceutical promotion tools on physician's adoption of medicine prescribing in Jordan. Medical representative detailing visit, promotional medicine price, external medical conference sponsorship, and free sampling were the main promotional tools investigated in this study. Researcher collected primary data using a questionnaire from a judgment sample of 150 practicing physicians in the private sector (non-probability sampling), who responded to the study questionnaire. Multiple regression analysis was used to analyze the data. The results indicated that there were a high level of acceptance and effect for the previously mentioned promotional tools on physicians’ adoption; the most influential independent variable was promotional medicine price followed by free sampling, while external medical conference sponsors and medical representative detailing visit were the lowest influential medical promotional tools. Managers and decision makers who are working in pharmaceutical companies in Jordan were recommended to focus on scientific detailing and free sampling and to decrease budget allocated for External medical conferences sponsorship.

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)0,008
score de la tête « metaresearch » (Gemma)0,025
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,109
Tête enseignante GPT0,313
Écart entre enseignants0,204 · 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

Citations39
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetOrganizational Leadership and Management StrategiesTravaux en français237 207