A review of biomedical and health informatics education: A workforce training framework
Notice bibliographique
Résumé
Objective: The purpose of this paper is to review the current state of health information technology (HIT) training programs and identify limitations in workforce expectations and student/trainee level of preparedness. A framework is proposed to build a more effective training program, differentiate HIT and health informatics, and emphasize the critical role of interprofessional collaboration for informatics-related curriculum. We define interprofessionalism as the multi-sector collaborations among academia, industry (Health Care Organizations), and vendors to produce competent informaticians.Methods: Critical review of published HIT and health informatics curricular competencies was conducted, including those published by the Office of the National Coordinator (ONC) for HIT, the American Medical Informatics Association (AMIA), the International Medical Informatics Association (IMIA), and the Council on Accreditation for Health Informatics and Information Management. A review of literature related to HIT and health informatics education and training was also completed.Results: The paper presents a framework for promoting health informatics training with an interprofessional foundation. The core components of the curricular competencies include understanding the healthcare system, biomedical data, computer programming, data analytics, usability, and technology infrastructure. To effectively deliver the content, programs require collaboration between academic institutions, healthcare organizations, and industry vendors.Conclusions: HIT and health informatics-related training programs, in their current form, are not meeting industry needs. The proposed framework addresses the current limitations by providing unique pathways for content delivery by promoting interprofessional collaboration and partnerships between academia and industry.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».