A Web-Based Tool to Report Adverse Drug Reactions by Community Pharmacists in Australia: Usability Testing Study
Notice bibliographique
Résumé
BACKGROUND: Adverse drug reactions (ADRs) are unintended and harmful events associated with medication use. Despite their significance in postmarketing surveillance, quality improvement, and drug safety research, ADRs are vastly underreported. Enhanced digital-based communication of ADR information to regulators and among care providers could significantly improve patient safety. OBJECTIVE: This paper presents a usability evaluation of the commercially available GuildCare Adverse Event Recording system, a web-based ADR reporting system widely used by community pharmacists (CPs) in Australia. METHODS: We developed a structured interview protocol encompassing remote observation, think-aloud moderating techniques, and retrospective questioning to gauge the overall user experience, complemented by the System Usability Scale (SUS) assessment. Thematic analysis was used to analyze field notes from the interviews. RESULTS: A total of 7 CPs participated in the study, who perceived the system to have above-average usability (SUS score of 68.57). Nonetheless, the structured approach to usability testing unveiled specific functional and user interpretation issues, such as unnecessary information, lack of system clarity, and redundant data fields-critical insights not captured by the SUS results. Design elements like drop-down menus, free-text entry, checkboxes, and prefilled or auto-populated data fields were perceived as useful for enhancing system navigation and facilitating ADR reporting. CONCLUSIONS: The user-centric design of technology solutions, like the one discussed herein, is crucial to meeting CPs' information needs and ensuring effective ADR reporting. Developers should adopt a structured approach to usability testing during the developmental phase to address identified issues comprehensively. Such a methodological approach may promote the adoption of ADR reporting systems by CPs and ultimately enhance patient safety.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».