The use of smartphones in general and internal medicine units: A boon or a bane to the promotion of interprofessional collaboration?
Notice bibliographique
Résumé
Effective communication and coordination are critical components for improving collaborative care delivery among different healthcare providers who work in mobile and time-pressured environments. Increasingly, healthcare providers are exploring alternative communication technologies to help bridge the temporal and spatial issues that are often inherent in the clinical communication conundrum. Our study examined perceptions of General Internal Medicine (GIM) staff on the usage of Smartphone devices and a Webpaging system, which were implemented on the inpatient GIM units at two teaching hospitals in North America. An exploratory case study approach was employed and in-depth interviews with 31 clinicians were conducted. This data-set serves as a subset and prelude to a larger research study that examined and compared the impacts of different types of communication technologies used in five teaching hospitals. Findings from our study indicate that the use of Smartphone technology was well received among clinicians. Specifically, healthcare professionals valued the use of emails when communicating nonurgent issues and the availability of the phone function that enabled access to clinicians especially in urgent situations. Dissatisfaction, however, was expressed over the suitability of these smartphone features in different communication contexts as well as discrepancies between clinicians over the appropriate use of the communication modes. Future interventions in communication technology should take into considerations how communication mediums and situational contexts (e.g. urgent and nonurgent patient issues) impact interprofessional interactions.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».