MétaCan
Menu
Retour à la cohorte
Enregistrement W2020947353 · doi:10.2196/jmir.1260

Perspectives of Family Physicians on Computer-assisted Health-risk Assessments

2010· article· en· W2020947353 sur OpenAlexafffundabout
Farah Ahmad, Harvey A. Skinner, Donna E. Stewart, Wendy Levinson

Notice bibliographique

RevueJournal of Medical Internet Research · 2010
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity Health NetworkYork UniversityPublic Health OntarioUniversity of Toronto
Organismes subventionnairesInstitute of Gender and HealthSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health Research
Mots-clésMedicineFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The firsthand experience of physicians using computer-assisted health-risk assessment is salient for designing practical eHealth solutions. OBJECTIVE: The aim of this study was to enhance understanding about computer-assisted health-risk assessments from physicians' perspectives after completion of a trial at a Canadian, urban, multi-doctor, hospital-affiliated family practice clinic. METHODS: A qualitative approach of face-to-face, in-depth, semi-structured interviews was used. All interviews were audio recorded and field notes taken. Analytic induction and constant comparative techniques were used for coding and analyses. Interpretation was facilitated by peer audit and insights gained from the social exchange theoretical perspective. RESULTS: Ten physicians (seven female and three male) participated in the interviews. Three overarching themes emerged in relation to computer-assisted health-risk assessments: (1) perceived benefits, (2) perceived concerns or challenges, and (3) feasibility. Physicians unanimously acknowledged the potential of computer-assisted health-risk assessments to open dialogue on psychosocial health risks. They also appreciated the general facilitative roles of the tool, such as improving time-efficiency by asking questions on health risks prior to the consultation and triggering patients' self-reflections on the risks. However, in the context of ongoing physician-patient relationships, physicians expressed concerns about the impact of the computer-assisted health-risk assessment tool on visit time, patient readiness to talk about psychosocial issues when the purpose of the visit was different, and the suitability of such risk assessment for all visits to detect new risk information. In terms of feasibility, physicians displayed general acceptance of the risk assessment tool but considered it most feasible for periodic health exams and follow-up visits based on their perceived concerns or challenges and the resources needed to implement such programs. These included clinic level (staff training, space, confidentiality) and organizational level (time, commitment and finances) support. CONCLUSIONS: Participants perceived computer-assisted health-risk assessment as a useful tool in family practice, particularly for identifying psychosocial issues. Physicians displayed a general acceptance of the computer tool and indicated its greater feasibility for periodic health exams and follow-up visits than all visits. Future physician training on psychosocial issues should address physicians' concerns by emphasizing the varying forms of "clinical success" for the management of chronic psychosocial issues. Future research is needed to examine the best ways to implement this program in diverse clinical settings and patient populations. TRIAL REGISTRATION: ClinicalTrials.gov NCT00385034; http://clinicaltrials.gov/ct2/show/NCT00385034 (Archived by WebCite at http://www.webcitation.org/5pV8AGRgt).

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)0,028
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,432
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0280,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,013
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,180
Tête enseignante GPT0,599
Écart entre enseignants0,419 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

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

Citations30
Publié2010
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetElectronic Health Records SystemsTravaux en français237 207