Exploring Workarounds Related to Electronic Health Record System Usage: A Study Protocol
Notice bibliographique
Résumé
BACKGROUND: Health care providers resort to informal temporary practices known as workarounds for handling exceptions to normal workflow that are unintentionally imposed by electronic health record (EHR) systems. Although workarounds may seem favorable at first sight, they are generally suboptimal and may jeopardize patient safety, effectiveness, and efficiency of care. Identifying workarounds and understanding their motivations, scope, and impact is pivotal to support the design of user-friendly EHRs and achieve closer alignment between EHRs and work contexts. OBJECTIVE: We propose a study protocol to identify EHR workarounds and subsequently determine their scope and impact on health care providers' workflows, patient safety, effectiveness, and efficiency of care. First, knowing whether a workaround solely affects the health care provider who devised it, or whether its effects extends beyond the EHR user to the work context of other health care providers, is key to accurately assessing its degree of influence on the overall patient care workflow. Second, knowing whether the consequence of an EHR workaround is favorable or unfavorable provides insights into how to address EHR-related safety, effectiveness, and efficiency concerns. Knowledge of both perspectives can provide input on optimizing EHR designs. METHODS: In the study, a combination of direct observations, semistructured interviews, and qualitative coding techniques will be used to identify, analyze, and classify EHR workarounds. The research project will be conducted within three distinct pediatric care processes and settings at a large university hospital. RESULTS: Data was collected using the described approach from January 2016 to March 2017. Data analysis is underway and is expected to be completed in May 2017. We aim to report the results of this study in a follow-up publication. CONCLUSIONS: This study protocol provides a grounded framework to explore EHR workarounds from a holistic and integral perspective. Insights from this study can inform the design and redesign of EHRs to further align with work contexts of healthcare professionals, and subsequently lead to better organization and safer provision of care.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,103 | 0,060 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,010 |
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 source (Gemma direct ou Codex distillé), 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 ».