Impact of a Clinical Information System on Multitasking in Two Intensive Care Units
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Health Care Providers (HCPs) in Intensive Care Units (ICUs) communicate effectively to coordinate timely patient care. HCPs rapidly switch between patient care, documentation and communication tasks such that they are completed simultaneously or nearly simultaneously, a phenomenon termed multitasking. An electronic charting tool or Critical Care clinical Information System (CCIS) may facilitate information sharing, but system related changes in multitasking have not been investigated. Trained observers followed physicians, nurses, respiratory therapists, and unit clerks in two ICUs and recorded their tasks. Observations were completed before the introduction of the CCIS at 3 and at 12 months afterward, using the Work Observation Method By Activity Timing (WOMBAT). Amounts of time HCPs spent performing multitasking before and after the CCIS introduction were compared, along with the tasks composing multitasking events. Before the CCIS introduction, respiratory therapists, nurses, and physicians spent approximately 30-40% of their time multitasking, whereas unit clerks spent less time multitasking (14%-18%). Percentages of time spent multitasking decreased to values between 10% and 25%. Documentation and communication tasks accounted for large proportions of the multitasking reduction. Cognitive burdens associated with learning new documentation methods, or constraints of charting at bedside terminals may be causes of observed reductions in multitasking. Perceptions of poorer communication, lower productivity, and less staff acceptance of the CCIS may result.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle