MétaCan
Menu
Retour à la cohorte
Enregistrement W2046776943 · doi:10.1213/01.ane.0000168449.32159.7b

A Comparison of Paper with Electronic Patient-Completed Questionnaires in a Preoperative Clinic

2005· article· en· W2046776943 sur OpenAlexaff
Elizabeth G. VanDenKerkhof, David Goldstein, William C. Blaine, Michael J. Rimmer

Notice bibliographique

RevueAnesthesia & Analgesia · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineMedical physicsPhysical therapy

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: In this unblinded randomized control trial we compared electronic self-administered Pre-Admission Adult Anesthetic Questionnaires (PAAQ) using touchscreen technology with pen and paper. Patients were recruited in the Pre-assessment Clinic if they had completed a PAAQ in the surgeon's office. Patients were randomized to study PAAQ using paper, hand-held computer (PDA), touchscreen desktop computer (kiosk), or tablet. Patients also completed a preference and satisfaction survey. The main outcome measures were percent agreement between the prestudy and study PAAQ and time to completion. Only six of the 366 patients approached refused to participate. The median time to completion of the PAAQ was shortest on the kiosk (2.3 min) and longest on the PDA (3.2 min) (chi2 = 14.5; P = 0.002). The mean agreement between the prestudy and the study PAAQ was approximately 94% across all study arms. The proportion of participants expressing comfort before and after completing the PAAQ increased from 10% to 97% on the computerized arms and from 60% to 64% on the paper arm. Touchscreen computer technology is an accurate, efficient platform for patient-administered PAAQ. Patients expressed comfort using the technology and preference for computerized versus paper for future questionnaires. IMPLICATIONS: Self-administered electronic health questionnaires using touchscreen computer technology are an accurate means of collecting patient information in the preoperative setting and can provide a valuable basis for an electronic perioperative patient record. Patients expressed comfort and satisfaction with this method of questionnaire completion.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,729

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,032
Tête enseignante GPT0,410
Écart entre enseignants0,378 · 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.

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

Citations73
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnesthesia & AnalgesiaMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207