Usage and accuracy of medication data from nationwide health information exchange in Quebec, Canada
Notice bibliographique
Résumé
Objective: (1) To describe the usage of medication data from the Health Information Exchange (HIE) at the health care system level in the province of Quebec; (2) To assess the accuracy of the medication list obtained from the HIE. Methods: A descriptive study was conducted utilizing usage data obtained from the Ministry of Health at the individual provider level from January 1 to December 31, 2015. Usage patterns by role, type of site, and tool used to access the HIE were investigated. The list of medications of 111 high risk patients arriving at the emergency department of an academic healthcare center was obtained from the HIE and compared with the list obtained through the medication reconciliation process. Results: There were 31 022 distinct users accessing the HIE 11 085 653 times in 2015. The vast majority of pharmacists and general practitioners accessed it, compared to a minority of specialists and nurses. The top 1% of users was responsible of 19% of access. Also, 63% of the access was made using the Viewer application, while using a certified electronic medical record application seemed to facilitate usage. Among 111 patients, 71 (64%) had at least one discrepancy between the medication list obtained from the HIE and the reference list. Conclusions: Early adopters were mostly in primary care settings, and were accessing it more frequently when using a certified electronic medical record. Further work is needed to investigate how to resolve accuracy issues with the medication list and how certain tools provide different features.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».