Inhibitors to personal digital assistant adoption in healthcare: a secondary analysis of the research literature, 1995--2005
Notice bibliographique
Résumé
Personal digital assistants (PDAs) have become a valuable communication tool for physicians by allowing them to have instant access to clinical references; to calculate important parameters; and to retrieve, record, and store patient data at the point-of-care. Despite the apparent efficacy of PDA-based point-of-care systems, research has indicated that the PDA adoption rate in healthcare sector slowed during 2004. This study employed secondary analysis of published research studies involving PDA-based systems implementation in a clinical setting from 1995 to June 2005 to examine the barriers that discourage PDA adoption by healthcare practitioners. The sample included 121 studies---83 conducted in the United States, 18 in Canada, 11 in Europe, and 9 in Asia. As a secondary analysis study, this research used a combination of quantitative and qualitative perspectives with cross-tabulation, chi-square analysis, Fisher's exact test, and content analysis techniques. Following Ajzen's theory of planned behavior, Davis' technology acceptance model, and DeLone and McLean's updated information systems success model, the barriers identification process was focused on the following major factors influencing potential and existing users' decisions toward use of particular technology: (a) perceived usefulness, (b) ease of use, (c) behavioral beliefs and outcome evaluations, (d) normative beliefs and motivation to comply, (e) control beliefs and perceived facilitation, and (f) service quality. The study found that the tested barriers to PDA adoption had been changing during the last decade. The changing trends were qualitatively different in clinician surveys compared to experiments in the clinical setting and in experiments with Pocket PCs compared to experiments with Palm OS devices. Based on the findings of this investigation, recommendations for healthcare organizations and PDA technology vendors were provided to facilitate increased PDA usage by healthcare practitioners.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,014 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».