MétaCan
Menu
Retour à la cohorte
Enregistrement W2057439550 · doi:10.3109/02770903.2013.845206

Development and implementation of an electronic asthma record for primary care: integrating guidelines into practice

2013· article· en· W2057439550 sur OpenAlexaffabout
Janice P. Minard, Suzanne M. Dostaler, Ann K. Taite, Jennifer Olajos-Clow, Todd W. Sands, Chris Licskai, M. Diane Lougheed

Notice bibliographique

RevueJournal of Asthma · 2013
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensWestern UniversityUniversity of WindsorKingston General HospitalQueen's University
Organismes subventionnairesnon disponible
Mots-clésMedicineAsthmaPrimary careAsthma managementElectronic health recordIntensive care medicineFamily medicineHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

RATIONALE: Evidence-based practice may be enhanced by integrating knowledge translation tools into electronic medical records (EMRs). We examined the feasibility of incorporating an evidence-based asthma care map (ACM) into Primary Care (PC) EMRs, and reporting on performance indicators. METHODS: Clinicians and information technology experts selected 69 clinical and administrative variables from the ACM template. Four Ontario PC sites using EMRs were recruited to the study. Certified Asthma Educators used the electronic ACM for patient assessment and management. De-identified data from consecutive asthma patients were automatically transmitted to a secure central server for analysis. RESULTS: Of the four sites recruited, two sites using "stand-alone" EMR systems were able to incorporate the selected ACM variables into an electronic format and participate in the pilot. Data were received on 161 visits by 130 patients aged 36.5 ± 26.9 (mean ± SD) (range 2-93) years. Ninety-four percent (65/69) of the selected ACM variables could be analyzed. Reporting capabilities included: individual patient, individual site and aggregate reports. Reports illustrated the ability to measure performance (e.g. number of patients in control, proportion of asthma diagnoses confirmed by an objective measure of lung function), benchmark and use EMR data for disease surveillance (e.g. number of smokers and the individuals with suspected work-related asthma). CONCLUSIONS: Integration of this evidence-based ACM into different EMRs was successful and permitted patient outcomes monitoring. Standardized data definitions and terminology are essential in order for EMR data to be used for performance measurement, benchmarking and disease surveillance.

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)0,095
score de la tête « metaresearch » (Gemma)0,188
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,095
Score d'incertitude au seuil0,502

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0950,188
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,042
Tête enseignante GPT0,462
Écart entre enseignants0,420 · 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
GenreMéthodes

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

En bref

Citations18
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of AsthmaMême sujetElectronic Health Records SystemsTravaux en français237 207