MétaCan
Menu
Retour à la cohorte
Enregistrement W2502109396 · doi:10.4018/978-1-59904-792-8.ch003

Enhancing ‘Fit' of Health Information Systems Design Through Practice Support

2008· book-chapter· en· W2502109396 sur OpenAlexaff
Craig Kuziemsky

Notice bibliographique

RevueIGI Global eBooks · 2008
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésOperationalizationSociotechnical systemEmpirical researchHealth careComputer scienceManagement scienceDomain (mathematical analysis)Process (computing)Knowledge managementInformation systemProcess managementEngineeringEpistemologyMathematicsPolitical science

Résumé

récupéré en direct d'OpenAlex

The design and implementation of healthcare information systems (HIS) is problematic as many HIS projects do not achieve the desired outcomes. There exist a number of theories to enhance our ability to successfully develop HIS. Examples of such theories include ‘fit’ and the sociotechnical approach. However, there are few empirical studies that illustrate how to understand and operationalize such theories at the empirical level needed for HIS design. This chapter introduces a practice support framework that bridges the gap between the theoretical and empirical aspects of HIS design by identifying specific process and information practice supports that need to be considered to actively produce fit of an HIS within a healthcare setting. The chapter also provides an empirical case study of how practice support was used to develop a computer based tool in the domain area of palliative care severe pain management.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,818
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,226
Tête enseignante GPT0,449
Écart entre enseignants0,223 · 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
GenreAutre

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

En bref

Citations2
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetClinical practice guidelines implementationTravaux en français237 207