MétaCan
Menu
Retour à la cohorte
Enregistrement W2418503617 · doi:10.2196/medinform.5525

Adoption Factors of the Electronic Health Record: A Systematic Review

2016· review· en· W2418503617 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIR Medical Informatics · 2016
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesTexas State University
Mots-clésCINAHLFacilitatorHealth information technologyMEDLINEClinical decision support systemElectronic health recordHealth careMedicineHealth information exchangeNursingHealth informaticsCochrane LibraryFamily medicineMedical educationPsychological interventionPsychologyHealth informationPolitical sciencePublic health

Résumé

récupéré en direct d'OpenAlex

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,462
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0080,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,078
Tête enseignante GPT0,482
Écart entre enseignants0,403 · 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