MétaCan
Menu
Retour à la cohorte
Enregistrement W1570376970

Cross-Canada EMR Case Studies: Analysis of Physicians' Perspectives on Benefits and Barriers

2011· article· en· W1570376970 sur OpenAlexaffabout
Grace I. Paterson, Nicola Shaw, Andrew Grant, É Delisle, Kevin J. Leonard, Shelby Mitchell Corley, Maryan McCarrey, Bill Pascal, Nancy Kraetschmer

Notice bibliographique

RevueeJournal of health informatics · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCanadian Medical AssociationDalhousie UniversityAlgoma UniversityUniversity of TorontoUniversity of AlbertaUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésElectronic medical recordBest practiceElectronic health recordMedical recordHealth careMedicineMedical educationFamily medicinePolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Objective: Our objective was to provide physicians with practical information on best practices and lessons learned with regards to implementation and use of electronic medical record (EMR) systems in ambulatory clinical practice settings. Methodology: A cross-Canada EMR study—the first of its kind—used case study methodology to investigate how EMRs were implemented and used in primary care. Knowledge transfer methods included print and web publications by the Canadian Medical Association (CMA) and a workshop. Results: The 20 case studies informed us in detail of the critical success factors for implementation. These were validated and augmented through a workshop. Conclusions: Electronic medical record (EMR) uptake in Canada and the US significantly lags behind other countries. Hence, there is a need to spread the good news about the actual benefits of EMRs to patients, physicians and the health care system and to mitigate barriers to EMR adoption and use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,919

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,102
Tête enseignante GPT0,444
Écart entre enseignants0,343 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeJournal of health informaticsMême sujetElectronic Health Records SystemsTravaux en français237 207