Asthma knowledge and management practices of pharmacists in Greater Accra
Notice bibliographique
Résumé
Background: Asthma continues to be a global public health problem, and community pharmacists are at the center of drug therapy in areas such as Greater Accra, Ghana. Methods: This study determined what 177 community pharmacists knew about managing asthma and what barriers they faced in their practice. Data were collected using a structured questionnaire regarding demographics, asthma knowledge, daily management practices, and perceived barriers. Results: Most pharmacists (55.93%) had a good understanding of asthma management, 42.37% had moderate knowledge, and 1.69% had poor knowledge, the results showed. More specific to asthma were pharmacists (100%), were well versed in asthma pathophysiology (100%), triggers (93.22%), and use of peak expiratory flow (PEF) meters (94.92%). However, some inconsistencies in practice were present. While inhalation techniques were assessed by 73.68%, treatment side effects were discussed by 79.31%; however, only 49.15% were routinely counselled on inhaled corticosteroids (ICS). In addition, only 18.64 percent ensured patients had written asthma action plans. Asthma Action Plans were lacking in 81.4%; there were inadequate training opportunities (64.4%); designated consultation areas were lacking (52.5%); pharmacists had insufficient time to care (52.5%) and had time constraints to care (55.9%). Our findings are consistent with global observations and highlight system-level challenges that impede effective asthma management. Conclusions: Although the Greater Accra pharmacists are knowledgeable enough based on their low rates of noncompliance indicated by their blood pressure scores, we believe that gaps in their practices and barriers to narrowing these gaps must be bridged.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».