MétaCan
Menu
Retour à la cohorte
Enregistrement W4322769556 · doi:10.1186/s40545-023-00543-2

Scoping of pharmacists’ health leadership training needs for effective antimicrobial stewardship in Africa

2023· article· en· W4322769556 sur OpenAlexaff
Ifunanya Ikhile, Gizem Gülpınar, Ayesha Iqbal, Nduta Kamere, Beth Ward, Manjula Halai, Amy Hai Yan Chan, Eric Muringu, Derick Munkombwe, Mashood Lawal, Winnie Nambatya, Yvonne Esseku, Felix Kaminyoghe, Shuwary Hughric Adekule Barlatt, Eva Muro, Chiko Savieli, Diane Ashiru‐Oredope, Victoria Rutter

Notice bibliographique

RevueJournal of Pharmaceutical Policy and Practice · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueAntibiotic Use and Resistance
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAntimicrobial stewardshipPharmacyStewardship (theology)MedicineTraining (meteorology)Medical educationNursingPolitical scienceMicrobiologyGeographyBiologyAntibioticsAntibiotic resistancePolitics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Antimicrobial resistance (AMR) is a global public health concern currently mitigated by antimicrobial stewardship (AMS). Pharmacists are strategically placed to lead AMS actions that contribute to responsible use of antimicrobials; however, this is undermined by an acknowledged health leadership skills deficit. Learning from the UK's Chief Pharmaceutical Officer's Global Health (ChPOGH) Fellowship programme, the Commonwealth Pharmacists Association (CPA) is focused to develop a health leadership training program for pharmacists in eight sub-Saharan African countries. This study thus explores need-based leadership training needs for pharmacists to provide effective AMS and inform the CPA's development of a focused leadership training programme, the 'Commonwealth Partnerships in AMS, Health Leadership Programme' (CwPAMS/LP). METHODS: A mixed methods approach was undertaken. Quantitative data were collected via a survey across 8 sub-Saharan African countries and descriptively analysed. Qualitative data were collected through 5 virtual focus group discussions, held between February and July 2021, involving stakeholder pharmacists from different sectors in the 8 countries and were analysed thematically. Data were triangulated to determine priority areas for the training programme. RESULTS: The quantitative phase produced 484 survey responses. Focus groups had 40 participants from the 8 countries. Data analysis revealed a clear need for a health leadership programme, with 61% of respondents finding previous leadership training programmes highly beneficial or beneficial. A proportion of survey participants (37%) and the focus groups highlighted poor access to leadership training opportunities in their countries. Clinical pharmacy (34%) and health leadership (31%) were ranked as the two highest priority areas for further training of pharmacists. Within these priority areas, strategic thinking (65%), clinical knowledge (57%), coaching and mentoring (51%), and project management (58%) were selected as the most important. CONCLUSIONS: The study highlights the training needs of pharmacists and priority focus areas for health leadership to advance AMS within the African context. Context-specific identification of priority areas supports a needs-based approach to programme development, maximising African pharmacists' contribution to AMS for improved and sustainable patient outcomes. This study recommends incorporating conflict management, behaviour change techniques, and advocacy, amongst others, as areas of focus to train pharmacist leaders to contribute to AMS effectively.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,066
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0040,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,248
Tête enseignante GPT0,453
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmaceutical Policy and PracticeMême sujetAntibiotic Use and ResistanceTravaux en français237 207