MétaCan
Menu
Retour à la cohorte
Enregistrement W4404360521 · doi:10.1016/j.rcsop.2024.100540

Examining the evolution and impact of OTC vending machines in Global Healthcare Systems

2024· review· en· W4404360521 sur OpenAlexaboutno aff
Ammar Abdulrahman Jairoun, Sabaa Saleh Al‐Hemyari, Moyad Shahwan, Sahab Alkhoujah, Faris El‐Dahiyat, Ammar Ali Saleh Jaber, Sa’ed H. Zyoud

Notice bibliographique

RevueExploratory Research in Clinical and Social Pharmacy · 2024
Typereview
Langueen
DomaineMedicine
ThématiquePharmaceutical Quality and Counterfeiting
Établissements canadiensnon disponible
Organismes subventionnairesAjman University
Mots-clésHealthcare systemHealth careBusinessComputer scienceEconomicsEconomic growth

Résumé

récupéré en direct d'OpenAlex

The study of over the counter (OTC) vending machines is crucial given their growing popularity and potential impact on the pharmaceutical industry and consumer behaviour. This study involves a bibliometric quantitative analysis of academic literature to evaluate OTC vending machines in terms of their evolution, current trends, and potential areas for future research . The Scopus database was searched using its advanced search tool, focusing on papers that included the search query in their titles, abstracts, and keywords. Data analysis included bibliometric indicators such as publication counts, citation trends, and co-authorship networks, which were visualized using VOSviewer software (version 1.6.20) to highlight key research themes and collaboration patterns. A total of 399 publications on OTC vending machines were found between 1833 and 2024. Over the last 20 years, there has been an annual increase in the number of publications related to OTC vending machines, rising from 1 in 2001 to 31 in 2023. The United States ( n = 118; 29.57 %) led in productivity, followed by the United Kingdom (45; 11.27 %), India (30; 7.51 %), Australia (27; 6.76 %), Canada (16; 4 %), Italy (15; 3.75 %), and China (15; 3.75 %). A total of 35 institutions have been involved in research on OTC vending machines. The Dubai Municipality contributed the highest percentage of articles ( n = 3, 0.75 %), followed by the Emirates Health Services (n = 3, 0.75 %), Al Ain University ( n = 2, 0.5 %), and Baystate Medical Center (n = 2, 0.5 %). Before 2016, much of the research on OTC vending machines focused on terms related to healthcare policy and health promotion, indicating the early exploration of this field. Present trends highlight terms associated with pharmacy practice, such as pharmacists, pharmacy, and prescription-related subjects. This study emphasises the practical necessity for enhanced regulatory structures to mitigate risks such as medication abuse, unfavourable drug interactions, and incorrect dispensing practices. Additionally, the study highlights the need for interdisciplinary collaboration among technologists, policymakers, and healthcare professionals to maximize the benefits of OTC vending machines while addressing consumer behaviour and safety issues. • A review of OTC vending machines explored past trends, current state, and predicted future research hotspots. • Vending machines enhance healthcare accessibility; academia-industry collaboration drives safer, user-friendly innovations. • Ensuring safety and regulatory compliance is key to prevent misuse; policies must enforce strict rules and guidelines.

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)0,009
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,036
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0370,077
Études des sciences et des technologies0,0010,002
Communication savante0,0070,005
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,793
Tête enseignante GPT0,690
Écart entre enseignants0,103 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExploratory Research in Clinical and Social PharmacyMême sujetPharmaceutical Quality and CounterfeitingTravaux en français237 207