Patient Accessible Electronic Health Records for the Chronically Ill: A Review of the Literature
Notice bibliographique
Résumé
Background: Consumers with chronic conditions account for approximately 70% of all healthcare spending. The Chronic Care Model is a healthcare paradigm whose purpose is the achievement of improved patient outcomes by facilitating the delivery of patient-centered, evidence-based care. We conducted a review of the literature to examine the role patient accessible electronic health records (PAEHR) may play in implementing and supporting the Chronic Care Model. Methods: A review of the literature was conducted using multiple databases (1950-2012). Publications included in the review were restricted to those using experimental or quasi-experimental methodology, English language and peer review. Results: Published results indicated that PAEHR facilitated improvements in health literacy and patient-provider communication, and that personalization of content was viewed favourably. Research on the use of PAEHR by some disease groups suggest improvements in clinical outcomes. Conclusions: The literature reviewed indicated that the patient experience for individuals with chronic illnesses could be enhanced through access to PAEHR. Improved satisfaction was noted for individuals with access to PAEHR with personalized content (e.g lab results etc). Use of PAEHR also improved patient-provider communication and increased personal knowledge and comprehension concerning individual condition and state of health. PAEHR for individuals living with chronic illnesses are an effective management technique that can help patients better manage the challenges of living with a chronic illness. These results indicate PAEHR have the potential to be a key component for actualizing the theoretical constructs of the Chronic Care Model by providing a platform for increased patient-provider collaboration.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».