MétaCan
Menu
Retour à la cohorte
Enregistrement W1907842142 · doi:10.15200/winn.144609.90316

Implementing Comparative Effectiveness Research in Primary Care

2015· dataset· en· W1907842142 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Winnower · 2015
Typedataset
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesH2020 European Research Council
Mots-clésVendorPrimary careNursingMedicineComparative effectiveness researchMedical educationPsychologyAlternative medicineFamily medicineBusiness

Résumé

récupéré en direct d'OpenAlex

Introduction: Despite the increasing uptake of electronic medical record (EMR) software in Primary Care, there has been little effort to date to utilize this software to conduct pragmatic comparative effectiveness research (CER) trials in Primary Care. Objectives: The primary objective of the study was to design an implementation framework composed of key self-reflective questions and a prototype patient recruitment interface to aid in CER studies in Primary Care using current-generation EMR products. Research Questions: What is the current state of EMR usage for CER in Primary Care? What are the barriers (technological, methodological, ethical and practical) to implementing CER in Primary Care? Methods: We incorporated selected key stakeholders in discussions to improve on an initial CER framework prototype and “sham” EMR module for patient recruitment. We iterated on both after discussions with each participant. Participants included researchers with an interest in Primary Care research, technical representatives of EMR vendors, and Family Physicians. Results: There was little familiarity and no apparent impetus from the vendor to collaborate in this type of research. There is a common theme of frustration from researchers directed at the difficulty in access EMR databases from a large field of vendors. From the clinician side, physicians are generally reluctant to participate in CER research without effective compensation for time spent. Patient recruitment interfaces should be designed to be as simple and straightforward as possible. Conclusion: There are currently multiple barriers to conducting EMR-enabled research in Primary Care. The largest and most important barrier is the lack of effective IT infrastructure to support this type of research. Although this type of research is overall more cost-effective, there are significant upfront costs in creating the initial study infrastructure that private vendors are unlikely to bear themselves. Ideally, government would step forward and implement the backend infrastructure with which EMR vendors can interface to help enable this type of research. In the future, researchers will need to clearly outline the business case for vendors to participate in Primary Care research.

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 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)0,079
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0790,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,008

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 Opus0,672
Tête enseignante GPT0,560
Écart entre enseignants0,112 · 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