The benefits and risks of structuring and coding of patienthistories in the electronic clinical record: protocol for asystematic review
Notice bibliographique
Résumé
BACKGROUND: Data in medical records have in part been recorded in structured and coded forms for some decades. However, the patient history is as yet largely recorded in an uncoded format. There is a need to consider the optimal balance of use of free text and coded data in the patient history. This review protocol summarises our plans to identify, critically appraise and synthesise evidence relating to approaches taken to introduce structure and coding within patient histories in electronic health records, and the empirically demonstrated benefits and risks of structuring and coding of patient histories in health records. OBJECTIVES: To determine how structured and coded data are being introduced for the recording of patient histories, the benefits observed where structuring and coding have been introduced and the risks encountered when structuring and coding are introduced. METHODS: We will search the following databases for evidence of published and unpublished material: CINAHL; EMBASE; Google Scholar; IndMED; LILACS; MEDLINE; NIHR; Paklit and PsycINFO. We will, depending on the study designs employed, use the Cochrane EPOC, Joanna Briggs Institute (JBI) and Newcastle-Ottawa instruments to critically appraise studies. Data synthesis is likely to be undertaken using a narrative approach, although meta-analysis will also be undertaken if appropriate and if the data allow this. RESULTS: This protocol should represent a reproducible approach to reviewing the literature regarding structuring and coding in patient histories. We anticipate that we will be able to report results in early 2011. CONCLUSION: The review should offer increased clarity and direction on the optimal balance between structuring/coding and free text recording of data relating to the patient history.
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 | 0,168 | 0,262 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,011 | 0,013 |
| Bibliométrie | 0,013 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,010 | 0,009 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,018 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».