The maturity assessment of hospital information systems based on Electronic Medical Record Adoption Model – A comparison between private and governmental hospitals
Notice bibliographique
Résumé
Today, Information Technology (IT) is considered as one of the major national development principles in each country which is applied in different fields. One of the most important fields in which IT is applied is health care and hospitals are similarly considered as most substantial organizations that use IT vastly. Although, different benchmarks and frameworks were developed to assess different aspects of Hospital Information Systems (HIS), still there was no reference model to benchmark HIS in the world until very recently. Eventually, Electronic Medical Record Adoption Model (EMRAM) which is globally a well-known model to benchmark the rate of HIS utilization in the hospitals, were emerged. Nevertheless, this model has not been introduced in majority of developing and even some developed countries in the world yet. In this study, EMRAM is applied to benchmark both governmental and private hospitals in Iran. This research is based on an applied descriptive method to assess five governmental and three private hospitals in Isfahan in 2015. This province is one of the most important provinces of Iran. The results reveal that HIS is not at the center of concern in these hospitals and are in the first and second maturity stages in accordance with EMRAM. Therefore, these types of hospitals are far away from desirable conditions and stages. Yet, the immaturity of HISs in private hospitals is more observable. This situation including the pressure of different beneficiaries such as insurance companies, has forced hospital managers to develop and enhance their HISs, especially in governmental hospitals.
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 | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».