MétaCan
Menu
Retour à la cohorte
Enregistrement W2082260805 · doi:10.2196/jmir.1655

An Evaluation of the Use of Smartphones to Communicate Between Clinicians: A Mixed-Methods Study

2011· article· en· W2082260805 sur OpenAlexaff
Robert Wu, Peter G. Rossos, Sherman Quan, Scott Reeves, Vivian Lo, Brian M. Wong, Mark Chun Ming Cheung, Dante Morra

Notice bibliographique

RevueJournal of Medical Internet Research · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreThe Wilson CentreUniversity Health NetworkUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésPagerHuman multitaskingMedicineHealth careNursingPsychologyMedical emergencyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Communication between clinicians is critical to providing quality patient care but is often hampered by limitations of current systems. Smartphones such as BlackBerrys may improve communication, but studies of these technologies have been limited to date. OBJECTIVE: Our objectives were to describe how smartphones were adopted for clinical communication within general internal medical wards and determine their impact on team effectiveness and communication. METHODS: This was a mixed-methods study that gathered data from the frequency of smartphone calls and email messages, clinicians' interviews, and ethnographic observations of clinical communication interactions. Triangulation of qualitative and quantitative data was undertaken to develop common themes that encompass comprehensive and representative insights across different methods. RESULTS: Findings from our study indicated that over a 24-hour period, nurses sent on average 22.3 emails to the physicians mostly through the "team smartphone," the designated primary point of contact for a specific medical team. Physicians carrying the team smartphone received on average 21.9 emails and 6.4 telephone calls while sending out 6.9 emails and initiating 8.3 telephone calls over the 24-hour period. Our analyses identified both positive and negative outcomes associated with the use of smartphones for clinical communication. There was a perceived improvement in efficiency over the use of pagers for clinical communication for physicians, nurses, and allied health professionals. In particular, residents found that the use of smartphones helped to increase their mobility and multitasking abilities. Negative outcomes included frequent interruptions and discordance between what doctors and nurses considered urgent. Nurses perceived a worsening of the interprofessional relationships due to overreliance on messaging by text with a resulting decrease in verbal communication. Unprofessional behaviors were observed in the use of smartphones by residents. CONCLUSIONS: Routine adoption of smartphones by residents appeared to improve efficiency over the use of pagers for physicians, nurses, and allied health professionals. This was balanced by negative communication issues of increased interruptions, a gap in perceived urgency, weakened interprofessional relationships, and unprofessional behavior. Further communication interventions are required that balance efficiency and interruptions while maintaining or even improving interprofessional relationships and professionalism.

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)0,100
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,1000,016
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 ouverte0,0020,001
Intégrité de la recherche0,0000,003
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 Opus0,733
Tête enseignante GPT0,704
Écart entre enseignants0,029 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations211
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical Internet ResearchMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207