Assessing pharmacists’ knowledge and compliance with narcotic inventory management using a computer-based educational platform
Notice bibliographique
Résumé
OBJECTIVES: Pharmacy professionals are required to take all necessary steps to protect commonly misused drugs such as opioids at their pharmacies to minimize the risk of diversion. The aim of this study is to assess Canadian pharmacy professionals' knowledge and compliance with federal and provincial regulations using the computer-based educational platform Pharmacy5in5. METHODS: A Narcotic Inventory module was created and reviewed by experts representing provincial and federal regulators. Descriptive statistics were used to analyze users' performance in quizzes. Binomial regression and logistic regression models were used to investigate the effect of demographic factors on users' performance. P-values less than 0.05 were considered statistically significant. KEY FINDINGS: The analysis included data collected over a period of three months. A total of 792 users accessed the Narcotic Inventory module on the Pharmacy5in5 website between July 2019 and November 2019. Most of the users were licenced pharmacists (64%), female (72%), received their training in Canada (68%), and were practising in Ontario (80%). Users performed best on the quiz addressing the steps for reconciliation of inventory (93%), and worst on the quiz reviewing how to prepare for a Health Canada visit (66%). CONCLUSIONS: Overall, pharmacy professionals showed adequate knowledge of the CDSA and provincial/territorial regulations regarding opioids inventory management. Conversely, the study highlighted poor compliance with the reporting of losses and theft of controlled substances by pharmacy professionals. Innovative approaches are needed to influence pharmacy professionals' behaviours to improve their compliance with best practices concerning inventory management to reduce drug diversion.
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 | 0,000 |
| 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 ».