Exploring climate-conscious pharmacy: considerations for community pharmacists
Notice bibliographique
Résumé
BACKGROUND: Climate change threatens health and the safe and effective operation of health services, including pharmacy care. Given the critical and increasing role of community pharmacy in providing accessible and community-based care, their role in addressing climate risks and pollution impacts warrants investigation. OBJECTIVE: To catalogue actionable resources available to support community pharmacists and learn about opportunities for incorporation into climate-conscious pharmacy practice. METHODS: We used a multi-method sequential design, with an environmental scan of resources for climate-conscious pharmacy practice across selected international jurisdictions, followed by qualitative interviews with key informants in Canada, UK, Ireland, and Norway. Resources identified through the environmental scan were categorized based on frequency of appearance and similarity of considerations seen across sources. Semi-structured interviews generated feedback on the resources identified, their categorization, and identified opportunities for implementing climate-conscious pharmacy practice. RESULTS: 115 sources were included from the environmental scan and 12 key informants were interviewed. Resources were initially classified into clinical and operational considerations they implied for practice and further sub-classified into mitigation and/or adaptation strategies. Key informants supported or did not disagree with the considerations that were identified. They shared resource constraints as a challenge in implementing climate-conscious practice and highlighted the importance of a patient-centred approach to support the implementation. CONCLUSION: Overall, actionable considerations for climate-conscious community pharmacy have been identified internationally. Pharmacists are continuing to contribute to planetary health as they are already engaged in many of the suggested considerations. Raising awareness of potential co-benefits may help further equip pharmacists to incorporate climate-conscious pharmacy practices.
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 | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,003 |
| 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 ».