Access to electronic health records by care setting and provider type: perceptions of cancer care providers in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: The use of electronic health records (EHRs) to support the organization and delivery of healthcare is evolving rapidly. However, little is known regarding potential variation in access to EHRs by provider type or care setting. This paper reports on observed variation in the perceptions of access to EHRs by a wide range of cancer care providers covering diverse cancer care settings in Ontario, Canada. METHODS: Perspectives were sought regarding EHR access and health record completeness for cancer patients as part of an internet survey of 5663 cancer care providers and administrators in Ontario. Data were analyzed using a multilevel logistic regression model. Provider type, location of work, and access to computer or internet were included as covariates in the model. RESULTS: A total of 1997 of 5663 (35%) valid responses were collected. Focusing on data from cancer care providers (N = 1247), significant variation in EHR access and health record completeness was observed between provider types, location of work, and level of computer access. Providers who worked in community hospitals were half as likely as those who worked in teaching hospitals to have access to their patients' EHRs (OR 0.45 95% CI: 0.24-0.85, p < 0.05) and were six times less likely to have access to other organizations' EHRs (OR 0.15 95% CI: 0.02-1.00, p < 0.05). Compared to surgeons, nurses (OR 3.47 95% CI: 1.80-6.68, p < 0.05), radiation therapists/physicists (OR 7.86 95% CI: 2.54-25.34, p < 0.05), and other clinicians (OR 4.92 95% CI: 2.15-11.27, p < 0.05) were more likely to report good access to their organization's EHRs. CONCLUSION: Variability in access across different provider groups, organization types, and geographic locations illustrates the fragmented nature of EHR adoption in the cancer system. Along with focusing on technological aspects of EHR adoption within organizations, it is essential that there is cross-organizational and cross-provider access to EHRs to ensure patient continuity of care, system efficiency, and high quality care.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».