Physician Beliefs about the Meaningful Use of the Electronic Health Record: A Follow-Up Study
Notice bibliographique
Résumé
Background There is continuing interest in how physicians are responding to the meaningful use of the electronic health record (EHR) incentive program. However, little research has been done on physician beliefs about the meaningful use of the EHR. Objective This study aims to conduct a follow-up study of physician beliefs about the meaningful use of the EHR. Methods Online survey of physicians at two academic medical centers (AMCs) in the northeast who were participating in the meaningful use of the EHR incentive program and were using an internally developed EHR was conducted. Results Of the 2,033 physicians surveyed, 1,075 completed the survey for an overall response rate of 52.9%. Only one-fifth (20.5%) of the physicians agreed or strongly agreed that meaningful use of the EHR would help them improve quality of care, and only a quarter (25.2%) agreed or strongly agreed that the meaningful use of the EHR would improve the care that their organization delivers. Physician satisfaction with the outpatient EHR was the strongest predictor of self-efficacy with achieving stage 2 of the meaningful use of the EHR incentive program (odds ratio: 2.10, 95% confidence interval: 1.61, 2.75, p < 0.001). Physicians reported more negative beliefs in stage 2 than stage 1 across all belief items. For example, 28.1% agreed or strongly agreed that the meaningful use of the EHR would decrease medical errors in stage 2 as compared with 35.9% in stage 1 (p < 0.001). Conclusion Only one-fifth of the physicians in our study believed that the meaningful use of the EHR would improve quality of care, patient-centeredness of care, or the care they personally provide. Primary care physicians expressed more negative beliefs about the meaningful use of the EHR in stage 2 than in stage 1. These findings show that physicians continue to express negative beliefs about the meaningful use of the EHR. These ongoing negative beliefs are concerning for both implementation and policy.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».