Physicians’ experience adopting the electronic transfer of care communication tool: barriers and opportunities
Notice bibliographique
Résumé
PURPOSE: The purpose of this study was to assess physicians' perceptions on a newly developed electronic transfer of care (e-TOC) communication tool and identify barriers and opportunities toward its adoption. PARTICIPANTS AND METHODS: The study was conducted in a tertiary care teaching center as part of a randomized controlled trial assessing the efficacy of an e-TOC communication tool. The e-TOC technology was developed through iterative consultation with stakeholders. This e-TOC summary was populated by acute care physicians (AcPs) and communicated electronically to community care physicians (CcPs). The AcPs consisted of attending physicians, resident trainees, and medical students rotating through the Medical Teaching Unit. The CcPs were health care providers caring for patients discharged from hospital to the community. AcPs and CcPs completed validated surveys assessing their experience with the newly developed e-TOC tool. Free text questions were added to gather general comments from both groups of physicians. Units of analysis were individual physicians. Data from the surveys were analyzed using mixed methods. RESULTS: AcPs completed 138 linked pre- and post-rotation surveys. At post-rotation, each AcP completed an average of six e-TOC summaries, taking an average of 37 minutes per e-TOC summary. Over 100 CcPs assessed the quality of the TOC summaries, with an overall rating of 8.3 (standard deviation: 1.48; on a scale of 1-10). Thematic analyses revealed barriers and opportunities encountered by physicians toward the adoption of the e-TOC tool. While the AcPs highlighted issues with timeliness, usability, and presentation, the CcPs identified barriers accessing the web-based TOC summaries, emphasizing that the summaries were timely and the quality of information supported continuity of care. CONCLUSION: Despite the barriers identified by both groups of physicians, the e-TOC communication tool was well received. Our experience can serve as a template for other health research teams considering the implementation of e-health technologies into health care systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».