Reporting Observational Studies of the Use of Information Technology in the Clinical Consultation
Notice bibliographique
Résumé
OBJECTIVES: To develop a classification system to improve the reporting of observational studies of the use of information technology (IT) in clinical consultations. METHODS: Literature review, workshops, and development of a position statement. We grouped the important aspects for consistent reporting into a "faceted classification"; the components relevant to a particular study to be used independently. RESULTS: The eight facets of our classification are: (1) Theoretical and methodological approach: e.g. dramaturgical, cognitive; (2) DATA COLLECTION: Type and method of observation; (3) Room layout and environment: How this affects interaction between clinician, patient and computer. (4) Initiation and Interaction: Who starts the consultation, and how the participants interact; (5) Information and knowledge utilisation: What sources of information or decision support are used or provided; (6) Timing and type of consultation variables: Standard descriptors that can be used to allow comparison of duration and description of continuous activities (e.g. speech, eye contact) and episodic ones, such as prescribing; (7) Post-consultation impact measures: Satisfaction surveys and health economic assessment based on the perceived quality of the clinician-patient interaction; and (8) Data capture, storage, and export formats: How to archive and curate data to facilitate further analysis. CONCLUSIONS: Adoption of this classification should make it easier to interpret research findings and facilitate the synthesis of evidence across studies. Those engaged in IT-consultation research shouldconsider adopting this reporting guide.
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 | 0,432 | 0,700 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,017 | 0,016 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».