Unmasking the Unrecognized: Exploring Registered Pharmacy Technicians’ Stressors During COVID-19 Through a Demands-Resources Inquiry and Looking Ahead
Notice bibliographique
Résumé
Canadian registered pharmacy technicians (RPTs) were vital in supporting pharmacy operations during the pandemic. However, they have received little attention during or pre-pandemic. This study aimed to identify and understand the stressors experienced by Canadian RPTs during the pandemic and gain insights on lessons learned to help improve the profession. Through a descriptive qualitative design, virtual semi-structured focus groups were conducted with RPTs who were recruited through various sampling methods across Canada. Data were inductively analyzed and then deductively; themes were categorized using the Job Demands-Resources (JD-R) model. We reached data saturation after 4 focus group sessions with a total of 16 participants. As per the JD-R model, job demands included: (1) increased work volume and hours to meet patient demand; (2) drug shortages and managing prescriptions increased due to influx of orders coinciding with restricted access to medications; (3) fear of the unknown nature of COVID-19 met with frequent change in practices due to protocol changes and ineffective communication; and, (4) the pandemic introduced several factors leading to increased staff shortages. Themes pertaining to resources included: (1) poor incentives and limited access to well-being resources; (2) limited personal protective equipment delaying work operations; (3) and a general lack of knowledge or appreciation of the profession impacting work morale. Lessons learned from the pandemic were also provided. Overall, our findings revealed an imbalance where RPTs experienced high job demands with limited resources. Improved leadership within pharmacies, including improved communication between team members, is required. Furthermore, efforts to highlight and recognize the work of RPTs to the public is important to help improve enrollment, especially with their recent scope of practice expansion.
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 | 0,011 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,018 | 0,012 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».