Monitoring and managing medication adherence in community pharmacies in Quebec, Canada
Notice bibliographique
Résumé
Background: Community pharmacists have direct access to prescription refill information and regularly interact with their patients. Therefore, they are in a unique position to promote optimal medication use. Objectives: To describe how community pharmacists in Quebec, Canada, identify nonadherent patients, monitor medication use and promote optimal medication adherence. Methods: An invitation to complete a web-based survey was published online through different platforms, including a Facebook pharmacists’ group, an electronic newsletter, a pharmacy network forum and e-mail. The survey included questions on participant characteristics, methods used by pharmacists to identify nonadherent patients and monitor medication use and interventions they used to promote medication adherence. Results: In total, 342 community pharmacists completed the survey. The participants were mainly women (71.6%), staff pharmacists (56.7%) and aged 30 to 39 years (34.2%). The most common method to identify nonadherent patients was to check gaps between prescription refills (98.8%). The most common intervention to promote adherence was patient counselling (82.5%). The most common barriers to identifying nonadherent patients were lack of time (73.1%) and lack of prescription information (65.8%), whereas the most common barriers to intervening were anticipation of a negative reaction from their patients (91.2%) and lack of time (64%). Conclusion: Lack of time and lack of prescription information are frequent challenges encountered by community pharmacists regarding effective monitoring and management of patients with poor medication adherence. Pharmacists could benefit from electronic tools based on prescription refills that would provide quick and easily interpretable information on their patients’ medication adherence. Can Pharm J (Ott) 2020;153:xx-xx.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».