Interprofessional collaboration in pharmacist-led primary care clinics
Notice bibliographique
Résumé
Background: Pharmacists are essential to team-based care, contributing knowledge and expertise that positively impact patient care. However, it is less clear how interprofessional collaboration is enacted by pharmacists in single-disciplinary outpatient practice environments. Methods: We recruited pharmacists from 3 university-affiliated, pharmacist-led primary care clinics in Canada. Employing a social network analysis approach, the data collection encounter explored the nature and composition of collaboration in patient care. We conducted semistructured interviews, including participant drawings (sociograms), to illustrate their network experiences caring for specific patients. Transcripts from the data collection encounters were systematically coded and analyzed in an iterative process. Initial codes were generated inductively and broader categories refined through constant comparison and finalized by author discussion. Results: Eleven (78%) pharmacists were interviewed and drew 28 sociograms. Pharmacist networks encompassed a wide array of health professionals and patient family members. Despite the physical distribution of interprofessional members, pharmacists formed and maintained relationships to support patient care through conscientious communication and medication management decision-making. Network relationships and system factors influenced collaboration and patient care, often resulting in practice paralysis and/or the need to re-emphasize patient self-advocacy. Interpretation and conclusion: Our findings underscore the dynamic nature of pharmacist networks and how they are navigated to support pharmacist-led medication management. Primary care pharmacists attempt to overcome encountered barriers to implementing patient care plans through various strategies, including leveraging new and existing network relationships. System obstacles impeding effective and efficient patient care could in part be overcome through pharmacist 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».