Adoption Factors of the Electronic Health Record: A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: The Health Information Technology for Economic and Clinical Health (HITECH) was a significant piece of legislation in America that served as a catalyst for the adoption of health information technology. Following implementation of the HITECH Act, Health Information Technology (HIT) experienced broad adoption of Electronic Health Records (EHR), despite skepticism exhibited by many providers for the transition to an electronic system. A thorough review of EHR adoption facilitator and barriers provides ongoing support for the continuation of EHR implementation across various health care structures, possibly leading to a reduction in associated economic expenditures. OBJECTIVE: The purpose of this review is to compile a current and comprehensive list of facilitators and barriers to the adoption of the EHR in the United States. METHODS: Authors searched Cumulative Index of Nursing and Allied Health Literature (CINAHL) and MEDLINE, 01/01/2012-09/01/2015, core clinical/academic journals, MEDLINE full text, and evaluated only articles germane to our research objective. Team members selected a final list of articles through consensus meetings (n=31). Multiple research team members thoroughly read each article to confirm applicability and study conclusions, thereby increasing validity. RESULTS: Group members identified common facilitators and barriers associated with the EHR adoption process. In total, 25 adoption facilitators were identified in the literature occurring 109 times; the majority of which were efficiency, hospital size, quality, access to data, perceived value, and ability to transfer information. A total of 23 barriers to adoption were identified in the literature, appearing 95 times; the majority of which were cost, time consuming, perception of uselessness, transition of data, facility location, and implementation issues. CONCLUSIONS: The 25 facilitators and 23 barriers to the adoption of the EHR continue to reveal a preoccupation on cost, despite incentives in the HITECH Act. Limited financial backing and outdated technology were also common barriers frequently mentioned during data review. Future public policy should include incentives commensurate with those in the HITECH Act to maintain strong adoption rates.
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 | 0,021 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,015 | 0,019 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».