MétaCan
Menu
Retour à la cohorte
Enregistrement W2040318105 · doi:10.14236/jhi.v20i3.24

End-user support for a primary care electronic medical record: aqualitative case study of a vendor's perspective

2013· article· en· W2040318105 sur OpenAlexafffund
Aviv Shachak, Jan Barnsley, Catherine Montgomery, Karen Tu, Alejandro R. Jadad, Louise Lemieux‐Charles

Notice bibliographique

RevueJournal of Innovation in Health Informatics · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensInstitute for Clinical Evaluative SciencesToronto Western HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésVendorService (business)Service providerEnd userKnowledge managementInterpersonal communicationInternet privacyBusinessComputer scienceWorld Wide WebMarketingPsychology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In primary care settings, users often rely on vendors to provide support for health information technology (HIT). Yet, little is known about the vendors' perspectives on the support they provide, how support personnel perceive their roles, the challenges they face and the ways they deal with them. OBJECTIVE: To provide in-depth insight into an electronic medical record (EMR) vendor's perspective on end-user support. METHODS: As part of a larger case study research, we conducted nine semi-structured interviews with help desk staff, trainers and service managers of an EMR vendor, and observed two training sessions of a new client. RESULTS: With a growing client base, the vendor faced challenges of support staff shortage and high variance in users' technical knowledge. Additionally, users sometimes needed assistance with infrastructure, and not just software problems. These challenges sometimes hindered the provision of timely support and required supporters to possess good interpersonal skills and adapt to diverse client population. CONCLUSION: This study highlights the complexity of providing end-user support for HIT. With increased adoption, other vendors are likely to face similar challenges. To deal with these issues, supporters need not only strong technical knowledge of the systems, but also good interpersonal communication skills. Some responsibilities may be delegated to super-users. Users may find it useful to hire local IT staff, at least on an on-call basis, to provide assistance with infrastructure problems, which are not supported by the software vendor. Vendors may consider expanding their service packages to cover these elements.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,004
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0050,004
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 Opus0,063
Tête enseignante GPT0,477
Écart entre enseignants0,414 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations11
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Innovation in Health InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207