Internet and Social Media use among Pharmacists in a state in Nigeria
Notice bibliographique
Résumé
Objectives: This study determined the use of internet and social media by pharmacists in Delta State as well as their experiences with the internet and patients.
 Method: This was achieved through the use of a 32 item, structured questionnaire, pretested and administered to 100 pharmacists attending the quarterly meeting of Pharmaceutical Society of Nigeria in Abraka, Delta State. Use of internet and social media were evaluated by Chi square analysis, using SPSS 20. At 95% confidence interval, a 2-tailed, P- value less than 0.05 was considered significant.
 Results: Of 100 questionnaires administered, 81 were returned, giving a response rate of 81%. Majorities (29.6%) were aged 30-39 years, there were more males (54.3%) than females, one third (39.5%) had been in practice for 1-10 years. Nearly half (48.1%) were in community practice, more than half (56.8%) were practicing in Asaba. Majority (61.7%) used electronic communication for professional services; a quarter (27.2%) used email to communicate with their patients. Whatsapp was 3.5%, text messaging and Face book were 1.2% each. Significant differences were found in their online activities. Reasons for not communicating online included respondents not being computer literate (9.9%), irregular power supply in location (9.9%), lack of time (2.5%).
 Conclusion: Internet use among respondents in the study area was poor, with those practicing in urban capital using the internet most. There is need to encourage greater internet use among pharmacists because of the obvious benefits to patient care.
 Keywords: Internet use, pharmacists, social media
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 | 0,000 |
| 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 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 ».