Pilot Study to Evaluate Patients’ Understanding of Key Terms and Aspects of Antimicrobial Use in a Rural Province in South Africa Findings and Implications
Notice bibliographique
Résumé
Introduction: Antimicrobial resistance (AMR) is a global concern, necessitating the understanding of utilisation patterns and their rationale. Pilot studies have been conducted in a rural province in South Africa to determine the extent of self-purchasing of antibiotics by patients from independent and chain pharmacies. It is imperative to understand the extent of knowledge and concerns of patients regarding the key aspects of antibiotic use and AMR, and potential language barriers, when pharmacists and their assistants are discussing the key aspects with patients. Consequently, the aim was to pre-test a patient questionnaire translated in three native languages building on the findings from the English language pilot. Materials and Methods: The English patient questionnaire (Parts 1 and 2) was translated to Sepedi, Tshivenda and Xitsonga. In total 30 patients were interviewed (5/language for Part 1 and Part 2 respectively) when leaving 10 chain and independent pharmacies. This was followed by interviews with patients to evaluate their understanding of questions and key concepts. Results: Eleven of 15 patients interviewed for Part 1 received antibiotics, including 8 without a prescription. Only independent pharmacies (8/10) dispensed antibiotics without prescriptions. Interviews revealed concerns about antibiotic knowledge and AMR and that certain terms including ‘antibiotic’ and ‘AMR’ posed challenges with patient understanding of the purpose of antibiotics. For instance, one patient self-purchased antibiotics for ‘cleansing’ of sexually transmitted infections. The questionnaires in the native languages were subsequently revised so that explanations for terms, including ‘antibiotic’ and ‘AMR’ will be provided in the main study. Conclusion: Similar to the previous pilot studies, self-purchasing of antibiotics was observed among independent pharmacies, although at varying rates, with similar indications. Continued health literacy education for pharmacists and patients, especially with native language communication, are needed to address current challenges and will be explored in the main study.
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 | 0,000 |
| 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 ».