MétaCan
Menu
Retour à la cohorte
Enregistrement W2197381673 · doi:10.26443/ijwpc.v1i1.33

Electronic Health Record (EHR) Training in Undergraduate Medical Education: Theory-Informed Development of a Longitudinal Curriculum for Empowering Patient- and Relationship-Centered Care in the Computerized Setting

2014· article· en· W2197381673 sur OpenAlexvenueno aff
Joanna Sharpless, Paul George, Julie Taylor, Hedy S. Wald

Notice bibliographique

RevueInternational Journal of Whole Person Care · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationDocumentationSimulated patientHealth careGeneral partnershipPsychologyMedicinePedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Objectives: While electronic health record (EHR) use is becoming state-of-the-art, formal teaching of Health Care Information Technology (HCIT) competencies is not keeping pace with burgeoning use. Medical students require training to become skilled users of HCIT but formal pedagogy is sparse. Fundamental challenges include preserving and fostering effective health care provider-patient communication skills in the computerized setting to preserve patient and relationship-centered care and facilitate reciprocity within whole person care. Thus, curriculum innovation with overarching goal of empowering undergraduate medical students’ patient- and relationship-centered interviewing skills, information mastery, electronic documentation skills, and HCIT-supported patient education is needed.Methods: The authors describe innovative, systematic curriculum development for EHR training within a series of clinical skills courses at their institution, informed by Kern et al.’s framework, narrative medicine, and reflective practice. Initially, a didactic and an observed standardized patient encounter were piloted in Year 3. Subsequent surveys of participating faculty both validated the session’s educational value and identified the need for additional practice opportunities.Results: In addition to the existing presentation and individualized practice, second iteration revisions include reflective readings and exercises, relevant “introductory” skills presented in grid format, and opportunities for direct observation of and by mentor physicians in clinical settings. The behavior grid was then expanded to include “advanced” Year 4 skills, i.e. patient participation for chart building, patient education/information sharing, shared decision-making, and sending information to the interprofessional health care team.Conclusions: Effective triangulation of physician-patient-computer may be optimized with medical education curriculum developing competencies of effective EHR use preserving patient-and relationship-centered care, reflection, and narrative medicine. Systematic, longitudinal monitoring of learners' skill development by faculty, standardized patient, self-assessment, and reflective writing will inform our innovative multi-faceted, longitudinal, transferable curriculum presented herein. Further research is needed on formal pedagogy for EHR use by learners.

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)0,019
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,042
Tête enseignante GPT0,422
Écart entre enseignants0,379 · 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'étudeQualitatif
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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Whole Person CareMême sujetElectronic Health Records SystemsTravaux en français237 207