Conditions d’adoption du dossier de santé électronique personnel par les professionnels de la première ligne au Québec : perspectives professionnelle et organisationnelle
Notice bibliographique
Résumé
INTRODUCTION: We aimed to describe and analyse the factors and conditions influencing ePHR adoption by primary healthcare professionals for the follow-up and management of chronic diseases, as perceived by healthcare professionals and health organization managers. METHODS: A qualitative study was conducted in the context of an ePHR experimentation project in Quebec. In-depth semi-structured individual interviews were conducted with 11 professionals and three managers directly involved in ePHR implementation in a primary healthcare organization. RESULTS: The results highlight the emergence of themes comprising facilitators or barriers to ePHR adoption. The main factors identified were the clinicians' leadership and previous involvement in organizational transformations, the context of practice, technology maturity providing a useful, additional and relevant content, integration with the available clinical information systems facilitating two-way communication and supporting the development of patient-professional partnerships and patients' use and adherence. The organizational precursors identified refer to the organizational receptivity to change, adjustment to participants' values, and the policies and practices set up to support ePHR adoption by professionals and their patients. Cost is a major issue determining ePHR implementation. CONCLUSION: The factors and conditions identified will be useful strategically and operationally to design and implement new clinical and organizational practices and develop adapted technologies facilitating ePHR adoption by professionals.
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 | 0,013 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».