Implementation of electronic medical records: theory-informed qualitative study.
Notice bibliographique
Résumé
OBJECTIVE: To apply the diffusion-of-innovations theory to the examination of factors that are perceived by family physicians as influencing the implementation of electronic medical records (EMRs). DESIGN: Qualitative study with 2 focus groups 18 months after EMR implementation; participants also took part in a concurrent quantitative study examining EMR implementation and preventive services. SETTING: Toronto, Ont. PARTICIPANTS: Twelve community-based family physicians. METHODS: We employed a semistructured interview guide. The interviews were audiotaped and transcribed verbatim; 2 researchers independently categorized and coded the transcripts and then met to compare and contrast their findings, category mapping, and interpretations. Findings were then mapped to an existing theoretical framework. MAIN FINDINGS: Multiple barriers to EMR implementation were described. These included lack of relative advantage for many processes, high complexity of the system, low compatibility with physician needs and past experiences, difficulty with adaptation of the EMR to the organization and adaptation of the organization to the EMR, and lack of organizational slack. Positive factors were the presence of a champion and relative advantages for some processes. CONCLUSION: Early EMR implementation experience is consistent with theoretical concepts associated with implementation of innovations. A problematic implementation process helps to explain, at least in part, the lack of improvement in preventive services in our quantitative results.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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) | 0,003 | 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 ».