The state of the academic pharmacy workforce specializing in geriatrics
Notice bibliographique
Résumé
OBJECTIVE: To describe the training, career experiences, and roles and responsibilities of faculty members in American and Canadian schools/colleges of pharmacy involved in geriatrics-focused teaching, research, practice, or service. METHODS: A cross-sectional, web-based, self-administered survey was developed and pre-tested. Pharmacy faculty members with experience and/or expertise in geriatrics-focused practices or scholarships and/or who taught geriatrics-focused topics in US or Canadian pharmacy programs were eligible for participation. Participants were recruited using a multi-pronged approach between June and November 2022. FINDINGS: A total of 131 completed and non-duplicate surveys were received. Ninety percent of respondents were from US programs and 64.9% worked in public institutions. Sixty-two percent reported greater than 40% teaching efforts, and 39% indicated they were the only person in their program to advocate for geriatrics-focused content. Most reported expectations for scholarship (96.2%), and 77.1% maintained a clinical practice. Among those with research expectations, 53.5% agreed they had an adequate percentage allocation dedicated to research. CONCLUSION: Geriatrics pharmacy faculty report geriatrics and non-geriatrics teaching expectations, clinical practice workloads, and less time for scholarly productivity. Most respondents have extensive experience in geriatrics; however, many perceive themselves to be the only advocates for geriatrics-focused topics in their programs.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».