MétaCan
Menu
Retour à la cohorte
Enregistrement W2475892674 · doi:10.1111/ecc.12548

A cancer care electronic medical record highly integrated into clinicians' workflow: users' attitudes pre-post implementation

2016· article· en· W2475892674 sur OpenAlexafffund
C. Sicotte, S. Clavel, Marie-Andrée Fortin

Notice bibliographique

RevueEuropean Journal of Cancer Care · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCentre intégré de santé et de services sociaux de Chaudière-AppalachesCentre Intégré de Santé et de Services Sociaux des LaurentidesCentre Integre de Sante et de Services Sociaux de LavalUniversité de Montréal
Organismes subventionnairesInforoute Santé du CanadaCanadian Institutes of Health Research
Mots-clésMedicineWorkflowElectronic medical recordElectronic health recordMedical recordCancerFamily medicineMedical emergencyNursingMedical physicsHealth careInternal medicineDatabase

Résumé

récupéré en direct d'OpenAlex

The purpose was to study users' attitudes towards an electronic medical record (EMR) closely integrated into the clinicians' cancer care workflow. The EMR, implemented in an ambulatory cancer care centre, was designed as a care pathway information system providing real-time support to the coordination of shared care processes involving all the care personnel. Mixed method pre-post study design was used. The study population consisted of all care personnel. A survey measured the quality attributes of the EMR, the clinical information it produces, the perceived usefulness of the system for supporting clinical data management tasks and the perceived impacts in terms of access and quality of care. The survey shows that users' attitudes towards the EMR (response rate of 71%) measured after the go-live were positive ranging from 3.42 to 3.95 on a 5-point scale. Besides, the content analysis of 33 pre-post interviews revealed five main themes: magnitude of the changes caused by the EMR; its innovative potential; its positive benefits; an ongoing growth in users' expectancies; and the burden associated with the time required to operate the EMR. In sum, the study shows that users can largely apply innovative uses of information technologies that automate their clinical processes.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,849
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,457
Écart entre enseignants0,429 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Cancer CareMême sujetElectronic Health Records SystemsTravaux en français237 207