MétaCan
Menu
Retour à la cohorte
Enregistrement W2791162515 · doi:10.1093/jamia/ocx153

A snapshot of health information exchange across five nations: an investigation of frontline clinician experiences in emergency care

2017· article· en· W2791162515 sur OpenAlexaboutno aff
Seth Klapman, Emily Sher, Julia Adler‐Milstein

Notice bibliographique

RevueJournal of the American Medical Informatics Association · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesMedical School, University of MichiganUniversity of Michigan
Mots-clésHealth information exchangeMedicineSAFERThematic analysisHealth careMedical emergencyInformation exchangeNursingFamily medicineQualitative researchHealth information

Résumé

récupéré en direct d'OpenAlex

Objective: Ensuring the ability to exchange patient information among disparate electronic health records systems is a top priority and a domain of substantial public investment across countries. However, we know little about the extent to which current capabilities meet the needs of frontline clinicians. Materials and Methods: We conducted in-person, semistructured interviews with emergency care physicians and nurses in select hospitals in Canada, Denmark, Finland, Germany, and the USA. We characterized the state of health information exchange (HIE) by country and used thematic analysis to identify the perceived benefits of access to complete past medical history (PMH), the conditions under which PMH is sought, and the challenges to accessing and using HIE capabilities. Results: HIE approaches, and the information electronically accessible to clinicians, differed by country. Benefits of access to PMH included safer care, reduced patient length of stay, and fewer lab and imaging orders. Conditions under which PMH was sought included moderate-acuity patients, patients with chronic conditions, and instances where accessing PMH was convenient. Challenges to HIE access and use included difficulty knowing where information is located, delay in receiving information, and difficulty finding information within documents. Discussion: Even with different HIE approaches across countries, all clinicians reported shortcomings in their country's approach. Notably, challenges were similar and shaped the conditions under which PMH was sought. Conclusion: As countries continue to pursue broad-based HIE, they appear to be facing similar challenges in realizing HIE value and therefore have an opportunity to learn from one another.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,027
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,005
Communication savante0,0060,008
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,479
Écart entre enseignants0,422 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the American Medical Informatics AssociationMême sujetElectronic Health Records SystemsTravaux en français237 207