MétaCan
Menu
Retour à la cohorte
Enregistrement W2492045560 · doi:10.4018/978-1-60566-234-3.ch010

Simulations to AssessMedication Administration Systems

2009· book-chapter· en· W2492045560 sur OpenAlexaff
Elizabeth M. Borycki, André Kushniruk, Shigeki Kuwata, Hiromi Watanabe

Notice bibliographique

RevueIGI Global eBooks · 2009
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésWorkflowInformation systemUnintended consequencesWork (physics)Health information technologyComputer scienceHealth careProcess (computing)Information technologyKnowledge managementSociotechnical systemHealth informaticsRisk analysis (engineering)Process managementManagement scienceMedicineEngineeringNursingPublic health

Résumé

récupéré en direct d'OpenAlex

A range of new technologies/information systems are increasingly being used by nurses in healthcare organizations. These technologies/information systems are being implemented in clinical settings in order to reduce errors associated with the medication administration process. At present, few published articles report empirical findings on the effects of using electronic medication administration systems where nurses’ work is concerned. This chapter reports that there are both intended and unintended consequences, associated with implementing such systems in the clinical setting. Simulation methods can be used to assess the impact of integrating new technology/information systems into the nurses’ work environment prior to full-scale implementation of a health technology/information system. Simulations as an evaluative tool emerged from a direct need to assess unintended and intended consequences of health information systems upon nurses’ work before systems are fully implemented. Simulations, as an evaluative methodology, emerged from the cognitive-socio-technical literature. Methods for analyzing workflow and conducting simulations of user behavior can be used to assess and improve the cognitive-socio-technical fit of technologies/information systems. They can be used to identify work and workflow problems (i.e. unintended consequences) involving health technologies/information systems as they are designed, developed, procured, purchased and implemented. Nurse informatician use of simulations to assess and test health technologies/information systems will allow nurses to determine the impact of a new software and/or hardware upon aspects of nurses’ work before its implementation to allow for appropriate system modifications.

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)0,004
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,069
Tête enseignante GPT0,439
Écart entre enseignants0,370 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetElectronic Health Records SystemsTravaux en français237 207