MétaCan
Menu
Retour à la cohorte
Enregistrement W1891950773 · doi:10.3122/jabfm.2015.03.140243

Clinical Reminders Designed and Implemented Using Cognitive and Organizational Science Principles Decrease Reminder Fatigue

2015· article· en· W1891950773 sur OpenAlexaff
L. A. Green, Donald E. Nease, Michael S. Klinkman

Notice bibliographique

RevueThe Journal of the American Board of Family Medicine · 2015
Typearticle
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Cancer InstituteAgency for Healthcare Research and QualityUniversity of Michigan
Mots-clésMedicineOddsOdds ratioCognitionAction (physics)Logistic regressionWorkflowCohortFamily medicineMedical emergencyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Response rates to point-of-care clinical reminders typically decrease over time. We hypothesized that this "reminder fatigue" could be prevented by (1) applying sound human factors engineering and cognitive science principles in designing the reminder system, and (2) implementing the reminders with rigorous attention to organizational science principles. METHODS: This was a retrospective cohort enumeration from January 1, 2006, through July 31, 2012, in a set of 5 academically affiliated family medicine practices. We modeled the odds ratio of clinician action in response to a reminder according to the number of reminders issued during the encounter, the number of problems on the patient's problem list, patient age, and time (number of months since launch) using logistic regression with clustering by encounter. RESULTS: There were issued 988,149 reminders at 453,537 encounters during the sampling frame. Action was taken in response to 60.1% of reminders, and discussion or consideration was documented in another 26.8%. The odds ratios for action in response to reminders over time, by number of prompts during the encounter, and by number of problems were 1.01, 1.18, and 1.02, respectively. Key design features included issuing reminders only when a service was due, allowing clinicians to attend to reminders when doing so fit their workflow (vs forcing attention at a specific time), keeping reminders very short and simple (action item only, no explicative material), and a team meeting and buy-in process before each new reminder was implemented. CONCLUSIONS: Reminder fatigue over time, with increasing numbers of reminders and with increasing complexity of patients, is not inevitable. A reminder system designed and implemented in accordance with the principles of cognitive science and human factors engineering can prevent reminder fatigue.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,004
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,389
Tête enseignante GPT0,522
Écart entre enseignants0,133 · 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.

Devis d'étudeObservationnel
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

Citations29
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the American Board of Family MedicineMême sujetPatient Safety and Medication ErrorsTravaux en français237 207