MétaCan
Menu
Retour à la cohorte
Enregistrement W2102684456 · doi:10.2196/resprot.3290

Technology-Assisted Patient Access to Clinical Information: An Evaluation Framework for Blue Button

2014· article· en· W2102684456 sur OpenAlexvenueno aff
Timothy P. Hogan, Kim M. Nazi, Tana M. Luger, Daniel J. Amante, Bridget Smith, Anna M. Barker, Stephanie L. Shimada, Julie E. Volkman, Lynn Garvin, Steven R. Simon, Thomas K. Houston

Notice bibliographique

RevueJMIR Research Protocols · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesU.S. Department of Veterans Affairs
Mots-clésHealth information technologyHealth careTransparency (behavior)Context (archaeology)MedicineStakeholderPatient portalKnowledge managementHealth informaticsInformation technologyNursingPublic relationsPublic healthComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Patient access to clinical information represents a means to improve the transparency and delivery of health care as well as interactions between patients and health care providers. We examine the movement toward augmenting patient access to clinical information using technology. Our analysis focuses on "Blue Button," a tool that many health care organizations are implementing as part of their Web-based patient portals. OBJECTIVE: We present a framework for evaluating the effects that technology-assisted access to clinical information may have on stakeholder experiences, processes of care, and health outcomes. METHODS: A case study of the United States Department of Veterans Affairs' (VA) efforts to make increasing amounts of clinical information available to patients through Blue Button. Drawing on established collaborative relationships with researchers, clinicians, and operational partners who are engaged in the VA's ongoing implementation and evaluation efforts related to Blue Button, we assessed existing evidence and organizational practices through key informant interviews, review of documents and other available materials, and an environmental scan of published literature and the websites of other health care organizations. RESULTS: Technology-assisted access to clinical information represents a significant advance for VA patients and marks a significant change for the VA as an organization. Evaluations of Blue Button should (1) consider both processes of care and outcomes, (2) clearly define constructs of focus, (3) examine influencing factors related to the patient population and clinical context, and (4) identify potential unintended consequences. CONCLUSIONS: The proposed framework can serve as a roadmap to guide subsequent research and evaluation of technology-assisted patient access to clinical information. To that end, we offer a series of related recommendations.

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)0,029
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,894
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0290,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,650
Tête enseignante GPT0,748
Écart entre enseignants0,098 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetElectronic Health Records SystemsTravaux en français237 207