MétaCan
Menu
Retour à la cohorte
Enregistrement W2086909979 · doi:10.4018/jhisi.2011070101

Exploring the Effect of mHealth Technologies on Communication and Information Sharing in a Pediatric Critical Care Unit

2011· article· en· W2086909979 sur OpenAlexaff
Rocci Luppicini, Victoria Aceti

Notice bibliographique

RevueInternational Journal of Healthcare Information Systems and Informatics · 2011
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésmHealthHealth informaticsHealth careSociotechnical systemInformation and Communications TechnologyInformation sharingKnowledge managementInformaticsNursingComputer scienceMedicineWorld Wide WebPublic healthEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Communication and information sharing is an important aspect of healthcare information technology and mHealth management. A main requirement in the quality of patient care is the ability of all health care participants to communicate. Research illustrates that the complexity of communicating within the health care system hinders the quality of health care service delivery. Health informatics have been touted as a way to improve communication deficiencies, which has led to the exponential growth of health informatics integration. However, research still lags in understanding how health informatics affects patient care, health professional work routines, and the overall health care system. This study investigates the extent to which mHealth technologies influence communication information sharing patterns between interdisciplinary health care providers in the delivery of health care services. This study was conducted at Hamilton Health Sciences and through a sociotechnical approach, focuses on both the end user’s experiences with mHealth in daily work communication scenarios, and the extent to which mHealth use affects interdisciplinary communication. Results indicate that there are several mitigating factors which influence communication patterns using mHealth technologies, including: information sharing, mobility, ergonomic and system design.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,352
Score d'incertitude au seuil0,467

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,006
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,153
Tête enseignante GPT0,427
Écart entre enseignants0,275 · 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

Citations6
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare Information Systems and InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207