Factors Influencing Prescribing Decisions Among Primary Health Care Physicians in Al-Buraimi Governorate, Oman
Notice bibliographique
Résumé
Prescribing plays a major role in the activities practiced by physicians. The vast majority of health care consultations occur in the primary health care (PHC) system, where medication errors are more likely and can even be potentially life threatening. The goal of this study is to explore the factors affecting prescribing decisions among physicians working in PHC institutions in Al-Buraimi Governorate, Oman using a cross-sectional survey. Of the 53 physicians who received the questionnaire, 41 (77.4%) completed it. The Cronbach's alpha of the instrument was 0.913. The main patient factors that influenced prescribing decisions were age group (78%), gender (75.6%), and medication preference or untruthful patients (70.7%). The main physician factors were the lack of treatment alternatives (70.7%), doctor–patient relationship (68.3%), strict policies and guidelines (65.9%) and avoiding problems of drug unavailability (65.9%). The pharmacist influenced prescribing decisions for 36.6% of physicians. The methods used for keeping physician s’ medical knowledge up to date were private reading and the Internet (87.8% and 80.5%, respectively). Sources of prescribing guidance were colleagues and evidenced-based medicine websites (78.0% and 70.7%, respectively). The current study sheds some light on the factors and behaviours that influence physician prescribing decisions in PHCs in Al-Buraimi Governorate, Oman. Additionally, this study could be used for developing policies to improve drug selections and to increase clinical and economic effectiveness and efficiency.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».