Adoption, Use, and Impact of E-Booking in Private Medical Practices: Mixed-Methods Evaluation of a Two-Year Showcase Project in Canada
Notice bibliographique
Résumé
BACKGROUND: Managing appointments in private medical practices and ambulatory care settings is a complex process. Various strategies to reduce missed appointments can be implemented. E-booking systems, which allow patients to schedule and manage medical appointments online, represents such a strategy. To better support clinicians seeking to offer an e-booking service to their patients, health authorities in Canada recently invested in a showcase project involving six private medical clinics. OBJECTIVE: The objectives pursued in this study were threefold: (1) to measure adoption and use of the e-booking system in each of the clinics over a 2-year period, (2) to assess patients' perceptions regarding the characteristics and benefits of using the system, and (3) to measure the impact of the e-booking system on the number of missed appointments in each clinic. METHODS: A mixed-methods approach was adopted in this study. We first extracted and analyzed raw data from the e-booking system deployed in each of the medical practices to monitor adoption and use of the system over time and to assess the impact of the system on the number of missed appointments. Second, we conducted a Web-based survey of patients' perceptions in the spring of 2013. RESULTS: The patients and physicians targeted by this showcase project showed a growing interest in the e-booking system as the number of users, time slots made available by physicians, and online appointments grew steadily over time. The great majority of patients said that they appreciated the system mainly because of the benefits they derived from it, namely, scheduling flexibility, time savings, and automated reminders that prevented forgotten appointments. Importantly, our findings suggest that the system's automated reminders help significantly reduce the number of missed appointments. CONCLUSIONS: E-booking systems seem to represent a win-win solution for patients and physicians in private medical practices. We encourage researchers to replicate and extend our work in other primary care settings in order to test the generalizability of our findings.
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 | 0,024 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».