Development and validation of a survey instrument to measure factors that influence pharmacist adoption of prescribing in Alberta, Canada
Notice bibliographique
Résumé
OBJECTIVE: Study objectives were to develop a questionnaire to assess factors influencing pharmacists' adoption of prescribing (i.e., continuing, adapting or initiating therapy), describe use of pre-incentive and mixed mode survey, and establish survey psychometric properties. METHODS: Questions were developed based on prior qualitative research and Diffusion of Innovation theory. Expert review, cognitive testing, survey pilot, and main survey were used to test the questionnaire. Six content experts reviewed the questionnaire to establish face and content validity. Ten pharmacists from diverse practice settings were purposefully recruited for a cognitive interview to verify question readability. Content analysis was used to analyze the results. A pre-survey introduction letter with a monetary incentive was mailed via post to 100 (i.e. pilot) and 700 (i.e., main survey) randomly selected pharmacists. This was followed by an e-mail with a personalized link to the online questionnaire, e-mail reminders, and a telephone reminder if required. The psychometric properties of scales were evaluated with an exploratory factor analysis and Cronbach's alpha. Scale responses were described. RESULTS: Engagement of six experts and ten pharmacists clarified definitions (e.g., prescribing), terminology, recall periods, and response options for the 34-item response scale. Fifty-six pharmacists completed the online pilot survey. Based on this data, ambiguous questions and routing issues were addressed. Three hundred and seventy-eight pharmacists completed the online main survey for a response rate of 54.6%. The factors analysis resulted in 27 questions in eight scales: (1) self-efficacy, (2) support from practice environment, (3) support from interprofessional relationship, (4) impact on professionalism, (5) impact on patient care), (6) prescribing beliefs, (7) technical use of electronic health record (EHR) and (8) patient care use of the EHR. Prescribing beliefs and technical use of the EHR scales had low reliability while the remaining six scales had strong evidence for reliability and validity. CONCLUSION: Through a multi-stage process, a survey instrument was developed to capture pharmacists' perceptions of prescribing influences. This questionnaire may support future research to develop interventions to enhance adoption of prescribing and enhance direct patient care by pharmacists.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».