MétaCan
Menu
Retour à la cohorte
Enregistrement W2055072071 · doi:10.2174/1874431120130607002

Behavioral Health Order Sets in a Hybrid Information Environment

2013· article· en· W2055072071 sur OpenAlexaffabout
John S. Strauss, Peggy Olbrycht, Vincent Woo

Notice bibliographique

RevueThe Open Medical Informatics Journal · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMedicineOrder entryMedical emergencyClinical engineeringMental healthComputerized physician order entryPharmacyClinical decision support systemProcess (computing)Electronic health recordEmergency departmentInformation systemNursingHealth careDecision support systemComputer sciencePsychiatryData mining

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The Centre for Addiction and Mental Health (CAMH) is a 500 bed freestanding psychiatric hospital in Canada. We are in the process of preparing for an integrated commercial clinical information system, which will have computerized physician order entry (CPOE) functionality. METHODS: As a preparation for CPOE, we developed inpatient order sets (OSs). Development teams from individual clinical programs created and sent their OSs to an OS Working Group for initial endorsement, and then to Pharmacy & Therapeutics and Medical Advisory committees subsequent approvals. RESULTS: In twelve months we created and introduced 22 behavioral health OSs across eight clinical programs in our hybrid information system with an excellent adoption rate (>97%) by clinicians. DISCUSSION: The development and implementation temporarily contributed to a multifactorial flow problem in the emergency department (ED), which was addressed by substantially simplifying the General Admission via the ED OS. Also, as the OSs were developed and sent for approval the project identified areas where local clinical practice can improve. Our electronic-paper hybrid set of clinical systems was a major factor impacting the effort.

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)0,012
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,012
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,025
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,067
Tête enseignante GPT0,456
Écart entre enseignants0,389 · 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'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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Open Medical Informatics JournalMême sujetElectronic Health Records SystemsTravaux en français237 207