Towards optimal electronic medical record use: perspectives of advanced users
Notice bibliographique
Résumé
Background: While primary health care electronic medical record (EMR) adoption has increased in Canada, the use of advanced EMR features is limited. Realizing the potential benefits of primary health care EMR use is dependent not only on EMR acquisition, but also on its comprehensive use and integration into practice; yet, little is known about the advanced use of EMRs in primary health care. Objective: To explore the views of advanced primary health care EMR users practising in a team-based environment. Methods: A descriptive qualitative approach was used to explore the views of primary health care practitioners who were identified as advanced EMR users. Twelve individual semi-structured interviews were held with primary health care practitioners in Southwestern Ontario, Canada. Field notes were created after each interview. Interviews were audio recorded and transcribed verbatim. Researchers independently coded the transcripts and then met to discuss the results of the coding. We used a thematic approach to data analysis. Results: Three themes emerged from the data analysis: advanced EMR users as individuals with signature characteristics, advanced EMR users as visionaries and advanced EMR users as agents of change. In any one participant, these elements could overlap, illuminating the important interplay between these themes. Taken together, these themes defined advanced use among this group of primary health care practitioners. Conclusions: To realize the potential benefits of EMR use in improved patient care and outcomes, we need to understand how to support EMR use. This study provides a necessary building block in furthering this understanding.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».