How Appropriate Is All This Data Sharing? Building Consensus Around What We Need to Know About Shared Electronic Health Records in Extended Circles of Care
Notice bibliographique
Résumé
BACKGROUND: The bulk of healthcare spending is on individuals who have complex needs related to age, income, chronic disease and mental illness. Care involves many different professions, and interoperable electronic health records (EHRs) are increasingly essential. OBJECTIVES: The objective of this paper is to describe the use of a nominal group technique (NGT) to develop a stakeholder-centred research agenda for clinical interoperability in extended circles of care that include social supports. METHODS: We held a day-long meeting with 30 stakeholders, including primary care providers, social supports, patient representatives, health region managers, technology experts, health organizations and experts in privacy, law and ethics. Participants considered, "What research needs to be done to better understand how EHRs should be shared across large healthcare teams that include social supports?" Following sensitizing presentations from researchers and participants, we used an NGT to generate and rank research questions on a 9-point Likert scale. We retained research questions that had a mean score of at least 6.5/9 by at least 70% of the participants over two rounds of consensus-building. RESULTS: Participants identified and ranked 57 research questions. Five items achieved consensus, related to 1) the impact of information sharing on care team outcomes, 2) data quality/accuracy, 3) cost/benefit, 4) what processes use what data and 5) regulation/legislation. CONCLUSION: Healthcare reforms are increasingly focused on systems that integrate and coordinate multidisciplinary care, facilitated by EHRs. Research prioritization will ensure common concerns and barriers are addressed and resolved.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,004 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».