Challenges and opportunities in community pharmacists’ identification and management of dry eye disease: a qualitative study
Notice bibliographique
Résumé
OBJECTIVE: To explore Malaysian community pharmacists' (CP) challenges in identifying and managing dry eye disease (DED) and opportunities to optimize DED care, as previous studies reported inconsistencies in DED identification by community pharmacy staff, and few publications describe Malaysian CP views on DED management in community pharmacy settings. METHOD: Using the Social Ecological Theory for Community Health Promotion, individual in-depth interviews were conducted (May-June 2023) with 20 CP in Malaysia's Klang Valley. Participants with diverse DED management experiences were recruited using purposive and snowball sampling until data saturation. Interviews were audio-recorded, transcribed, independently coded by two researchers, and thematically analysed. KEY FINDINGS: CP faced 12 challenges in identifying and managing DED: patient-related (brand rigidity, 'quick fix' attitude, inadequate health literacy, and self-efficacy skills), provider-related (imprecise assessment, referral difficulties, knowledge gaps), therapeutics-related (short shelf life, affordability), and pharmacy-related (limited manpower, inadequate private consultation space, low eye health visibility). The 12 opportunities for optimizing DED care were community-related (eye health education, holistic approaches, public awareness), profession-related (decision-support mobile health applications integrated with evidence-based DED management protocols to streamline consultation processes, interdisciplinary collaborations), industry-related (pharmaceutical and medical device advancements, comparative data on medication value, promotion of proactive management), and organization-related (management-mandated resource allocation, ancillary staff education, and expanded products and services). CONCLUSION: Malaysian CP encountered challenges in identifying and managing DED. Knowledge sharing and collaborations with ophthalmologists improve DED management by CP, while clinicians can stay updated on medication-related recommendations and treatment adherence. The role of digital health in these processes requires further 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 | 0,002 | 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 | 0,001 |
| 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 ».