MétaCan
Menu
Retour à la cohorte
Enregistrement W4393152525 · doi:10.1177/00469580241241391

Unmasking the Unrecognized: Exploring Registered Pharmacy Technicians’ Stressors During COVID-19 Through a Demands-Resources Inquiry and Looking Ahead

2024· article· en· W4393152525 sur OpenAlex
Ayesha Khan, Patricia Nicole Dignos, Andrew Papadopoulos, Behdin Nowrouzi‐Kia, Myuri Sivanthan, Basem Gohar

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueINQUIRY The Journal of Health Care Organization Provision and Financing · 2024
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensLaurentian UniversityUniversity of TorontoUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPharmacyFocus groupStressorPandemicIncentiveMedicineWorkloadWork (physics)Economic shortageNursingMedical educationPsychologyPublic relationsBusinessCoronavirus disease 2019 (COVID-19)MarketingPolitical scienceManagementInfectious disease (medical specialty)Government (linguistics)Engineering

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,146
Tête enseignante GPT0,431
Écart entre enseignants0,284 · 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