MétaCan
Menu
Retour à la cohorte
Enregistrement W2130937121

Implementing electronic health records: Key factors in primary care.

2008· article· en· W2130937121 sur OpenAlexaffabout
Amanda Terry, Cathy Thorpe, Gavin Giles, Judith Belle Brown, Stewart B. Harris, Graham J. Reid, Amardeep Thind, Moira Stewart

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésChampionQualitative researchHealth careHealth information technologyPrimary careMedicineFocus groupNursingKnowledge managementMedical educationPsychologyFamily medicineComputer scienceBusiness
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine common themes about implementing and adopting electronic health record (EHR) systems that emerged from 3 separate studies of the experiences of primary health care providers and those who implement EHRs. DESIGN: Synthesis of the findings of 3 qualitative studies. SETTING: Primary health care practices in southwestern Ontario and the Centre for Studies in Family Medicine at The University of Western Ontario in London. PARTICIPANTS: Family physicians, other primary health care providers, and the Deliver Primary Healthcare Information management and operations team. METHOD: The findings of 3 separate qualitative studies exploring the implementation of EHRs were synthesized. In the 3 studies, investigators used semistructured interview guides to conduct one-on-one interviews and a focus group, which were audiotaped and transcribed verbatim, to collect information about participants' experiences implementing and adopting EHRs. Transcripts were coded and analyzed by 1 or 2 investigators, and the research team met regularly for synthesis and interpretation of themes. MAIN FINDINGS: Four common themes arose from the 3 studies: expectations of EHRs, time and training required to implement and adopt the software, the emergence of an EHR champion or problem solver, and the readiness of health care providers to accept the system. CONCLUSION: Those considering implementing and adopting EHRs into a family practice environment should reflect on the following issues: their expectations of the system and what is needed to use the software, the level of commitment to EHR implementation and adoption, the availability of someone willing to take a leadership or champion role, and how much knowledge of computers potential EHR users have.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,093
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,093
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,003
Communication savante0,0060,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,074
Tête enseignante GPT0,368
Écart entre enseignants0,294 · 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 source (Gemma direct ou Codex distillé), 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

Citations124
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetElectronic Health Records SystemsTravaux en français237 207