105: EMR Readiness Assessment at a Tertiary Care Paediatric Hospital
Notice bibliographique
Résumé
Electronic medical record (EMR) use is increasing with 57% of physicians using an EMR in 2013. Successful adoption of an EMR is dependent on many factors including the type, practice setting, interface design and usability. Many providers express discomfort and concern in adapting from a paper-based documentation system to an EMR. At our institution we completed an assessment of our readiness to implement an ambulatory care EMR. To understand provider concerns In preparation for the EMR implementation and to respond to their needs to increase implementation success. An EMR Readiness Assessment (RA) and Technical Adoption questionnaire was distributed electronically to end users through Electronic Data Capture software (Version 5.6.1 – © 2013 Vanderbilt University). The questions were derived from three sources previously validated in a physician based healthcare setting; a questionnaire used by Morton (2008) to determine factors that contribute to physician EMR acceptance; an Organizational RA questionnaire for targeted follow-up; and a Benefits Evaluation and Technology Acceptance Model (Davis, 1989; Chutter, 2009). All three sources were compared to eliminate duplication. The final questionnaire was pilot tested for face-validity. Participation was voluntary. The questionnaire was administered for three consecutive weeks prior to the EMR go-live; two separate email reminders were sent. A total of 167 (48%) providers completed the RA questionnaire; 21% were <30 years and 60% 30 to 50 years of age; 57% had worked in health care for >10 years. 99% used a computer as part of their daily work with 59% stating general and 37% advanced proficiency. Overall attitude regarding the EMR is given in the table. We have seen provider anticipation, engagement and acceptance of the EMR implementation. Providers are aware of the need for an EMR and the benefits for patient care. The majority of providers use computers in their daily work and are proficient in its use. We plan to perform a post go-live RA questionnaire to ensure ongoing provider engagement.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».