Implementation of a nationwide electronic health record (EHR)
Notice bibliographique
Résumé
Purpose The purpose of this paper is to identify the best practices applied during the implementation process of a national electronic health record (EHR) system. Furthermore, the main goal is to explore the knowledge gained by experts from leading countries in the field of nationwide EHR system implementation, focusing on some of the main success factors and difficulties, or failures, of the various implementation approaches. Design/methodology/approach To gather the necessary information, an international survey has been conducted with expert participants from 13 countries (Denmark, Austria, Sweden, Norway, the UK, Germany, the Netherlands, Switzerland, Canada, the USA, Israel, New Zealand and South Korea), who had been playing varying key roles during the implementation process. Taking into consideration that each system is unique, with each own (different) characteristics and many stakeholders, the methodological approach followed was not oriented to offer the basis for comparing the implementation process, but rather, to allow us better understand some of the pros and cons of each option. Findings Taking into account the heterogeneity of each country's financing mechanism and health system, the predominant EHR system implementation option is the middle-out approach. The main reasons which are responsible for adopting a specific implementation approach are usually political. Furthermore, it is revealed that the most significant success factor of a nationwide EHR system implementation process is the commitment and involvement of all stakeholders. On the other hand, the lack of support and the negative reaction to any change from the medical, nursing and administrative community is considered as the most critical failure factor. Originality/value A strong point of the current research is the inclusion of experts from several countries (13) spanning in four continents, identifying some common barriers, success factors and best practices stemming from the experience obtained from these countries, with a sense of unification. An issue that should never be overlooked or underestimated is the alignment between the functionality of the new EHR system and users' requirements.
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 | 0,043 | 0,076 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».