MétaCan
Menu
Retour à la cohorte
Enregistrement W2885213147

TINJAUAN PROSEDUR PELEPASAN INFORMASI MEDIS DALAM MENJAGA ASPEK KERAHASIAN REKAM MEDIS DI RSUD dr. DARSONO KABUPATEN PACITAN

2017· article· id· W2885213147 sur OpenAlexaff
Risqi Vidia Astuti, Dwi Nurjayanti, Anjarie Dharmastuti

Notice bibliographique

Revuenon disponible
Typearticle
Langueid
DomaineComputer Science
ThématiqueEdcuational Technology Systems
Établissements canadiensRéseau Québécois en Innovation Sociale
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecologyPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRAK Pendahuluan: Berdasarkan pengamatan pelepasan informasi medis pada bulan Januari 2015 hingga awal bulan Desember 2015 diketahui jumlah permintaan pelepasan informasi medis sebanyak 214 formulir dengan ketentuan untuk keperluan resume medis sebanyak 80 formulir dengan persentase 37%, asuransi sebanyak 68 formulir dengan persentase 32%, jasa raharja sebanyak 47 formulir dengan persentase 22% dan permintaan visum et repertum sebanyak 19 formulir dengan persentase 9%. Penelitian bertujuan untuk mengetahui gambaran umum dan menganalisis prosedur pelepasan informasi medis dalam menjaga aspek kerahsiaan rekam medis di RSUD dr. Darsono Kabupaten Pacitan. Metode:  Jenis penelitian ini menggunakan penelitian diskriptif. Subjek Penelitian ini adalah petugas yang melayanii permintaan data medis pasien di RSUD dr. Darsono Kabupaten Pacitan. Hasil: Penggunaan informasi medis pada bulan maret-mei 2016 sebanyak 41 permintaan dengan permintaan klaim asuransi yang paling banyak yaitu sebanyak 51,2%. Prosedur dalam pelepasan informasi medis di rumah sakit terdapat 2 SPO yaitu guna pegurusan visum et repertum dan permintaan data dan atau pemberian informasi rekam medis, unit terkait pelepasan informasi adalah dokter, sub bag TU, sub bag pengembangan, rekam medis, keuangan, kepolisian, asuransi. Faktor prnghambat pelepasan informasi medis adalah ketidakhadiran dokter dan tanda tangan dokter yang belum ada ketika permintaan data medis pasien. Kesimpulan: Pelepasan informasi medis, dokter sebagai pemberi hasil pemeriksaan diharapkan dalam memberikan pelayanan, maupun pemberi hasil resume medis

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,275

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,003
Communication savante0,0070,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0820,026

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 Opus0,037
Tête enseignante GPT0,293
Écart entre enseignants0,256 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEdcuational Technology SystemsTravaux en français237 207