MétaCan
Menu
Retour à la cohorte
Enregistrement W2400571667

Low-Cost Rapid Usability Testing for health information systems: is it worth the effort?

2012· article· en· W2400571667 sur OpenAlexaff
Tristin B Baylis, André Kushniruk, Elizabeth M. Borycki

Notice bibliographique

RevuePubMed · 2012
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésUsabilityComputer scienceUsability inspectionSystems development life cycleProcess (computing)Usability goalsUsability engineeringRisk analysis (engineering)SoftwareSoftware development processHuman–computer interactionSoftware developmentOperating systemMedicine
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Usability testing is a step of the usability engineering process that focuses on analyzing and improving user interactions with computer systems. This study was designed to determine if an approach known as Low-Cost Rapid Usability Testing can be introduced as a standard part of the system development lifecycle (SDLC) for health information syste ms in a cost effective manner by completing a full cost-benefit analysis of this testing technique. It was found that by introducing this technique into the system development lifecycle to allow for earlier detection of errors in a health information syste m it is possible for a health organization to achieve an estimated 36.5% to 78.5% cost savings compared to the impact of errors going undetected and potentially causing a technology-induced error. Overall it was found that Low-Cost Rapid Usability Testing can be implemented in a cost effective manner to develop health information systems, and computer systems in general, which will have a lower incidence of technology-induced errors.

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)0,065
score de la tête « metaresearch » (Gemma)0,211
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,346

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,211
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,006
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,135
Tête enseignante GPT0,405
Écart entre enseignants0,269 · 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

Citations19
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetElectronic Health Records SystemsTravaux en français237 207