MétaCan
Menu
Retour à la cohorte
Enregistrement W1990305758 · doi:10.1197/j.aem.2007.06.023

Decision Support Technology in Knowledge Translation

2007· article· en· W1990305758 sur OpenAlexaff
Brian R. Holroyd, Michael J. Bullard, Timothy A.D. Graham, Brian H. Rowe

Notice bibliographique

RevueAcademic Emergency Medicine · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of AlbertaCapital District Health Authority
Organismes subventionnairesnon disponible
Mots-clésClinical decision support systemMedicineWorkflowKnowledge translationSoftware deploymentEmergency departmentHealth careDecision support systemHealthcare deliverySpecialtyProcess (computing)Knowledge managementHealth care deliveryMedical emergencyNursingComputer scienceFamily medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Information technologies, and specifically clinical decision support systems (CDSSs), are tools that can support the process of knowledge translation in the delivery of emergency department (ED) care. It is essential that during the implementation process, careful consideration be given to the workflow and culture of the ED environment where the system is to be utilized. Despite significant literature addressing factors contributing to successful deployment of these systems, the process is frequently problematic. Careful research and analysis are essential to evaluate the impact of the CDSS on the delivery of ED care, its influence on the health care providers, and the impact of the CDSS on clinical decision-making processes and information behaviors. The logistical and educational implications of CDSSs in the ED must also be considered. The specialty of emergency medicine must actively collaborate with other stakeholders in the design, implementation, and evaluation of CDSSs that will be utilized during the delivery of care to our patients.

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 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)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,813
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,186
Tête enseignante GPT0,551
Écart entre enseignants0,365 · 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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademic Emergency MedicineMême sujetElectronic Health Records SystemsTravaux en français237 207