Community pharmacists’ knowledge, attitudes, and concerns about POCT in the UAE: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Point-of-care testing (POCT) is increasingly recognized for improving timely diagnosis and disease management. Community pharmacists are well-positioned to support POCT delivery, particularly in underserved settings. This study assessed the knowledge, attitudes, and concerns of community pharmacists in the UAE regarding POCT implementation. METHODS: A cross-sectional survey was conducted among 501 licensed community pharmacists across the UAE using convenience sampling. A validated questionnaire measured pharmacists' knowledge (19 items), attitudes (9 items), and concerns toward POCT. Quantile regression was applied to identify predictors of knowledge and attitudes. RESULTS: The median knowledge score was 8/19 (IQR: 3); only 20.4% recognized POCT use in infectious disease detection, and 21.8% were aware of regulatory requirements. The median attitude score was 8/9 (IQR: 3); 66.4% emphasized the need for communication of POCT results to patients and providers, while 64.7% highlighted the importance of mastering POCT mechanics. Main concerns included accuracy (72.3%) and sample collection (60.9%). Female pharmacists and those dispensing more prescriptions daily had higher knowledge scores, whereas older pharmacists showed lower attitude scores. CONCLUSIONS: Although attitudes toward POCT were generally positive, notable knowledge gaps and concerns persist.
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 | 0,002 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».