Exploring Pharmacists Attitudes, Practices, and Barriers to Conducting Medication Reviews in Community Pharmacy Settings
Notice bibliographique
Résumé
Background: Medication review (MR) services are essential in optimizing therapy outcomes. In addition to the barriers hindering its adoption, understanding community pharmacists’ perception and practice of MR is crucial in formulating strategies to enhance MR services in pharmacy practice Objective: To evaluate pharmacists' attitudes, practices, and barriers to providing MR services in the community pharmacy setting. Methods: In this cross-sectional study, a validated self-administered questionnaire was distributed online to community pharmacists across the UAE using convenience-sampling technique. The questionnaire evaluated whether the pharmacists practiced MR, attitudes toward MR, the extent of its implementation, and the associated barriers. Stepwise regression was conducted to explore the variables associated with attitudes and MR practice. Results: The majority of the pharmacists (72.5%) reported providing MR, with a notable decline in engagement among older pharmacists (OR = 0.243, 95%Cl (0.113-0.522), employee pharmacists (OR = 0.909, 95% Cl (0.844-0.979) and those with no access to patient medication records (OR = 0.131, 95%Cl (0.052-0.327). The median attitude score was 27 out of 35, indicating favorable perceptions, particularly among pharmacists in chain pharmacies (OR = 2.974, 95%Cl (1.245-7.103). Employee pharmacists showed decreased odds of being in the high-attitude group (OR = 0.233, 95%Cl (0.076-0.714) and decreased odds to practice MR (OR = 0.192, 95%Cl (0.051-0.723) compared to pharmacists in charge or owner pharmacists. On the other hand, an increased number of working pharmacists (OR = 2.053, 95%Cl (1.381-3.052) and improved attitudes increased the odds to practice MR in the community pharmacy (OR = 2.617, 95%Cl (1.159-5.906). Conclusions: The study revealed a room for improvement in MR practice, especially among older and employee pharmacists. Enhancing the accessibility to specialized databases and authorized references, and enforcing pharmacists' attitudes towards MR practice via providing education and facilitating inter-professional collaboration are essential strategies to improve MR practice in the community pharmacy setting.
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 | 0,046 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,012 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».