MétaCan
Menu
Retour à la cohorte
Enregistrement W2888127676 · doi:10.1097/cin.0000000000000469

A Review of Measuring the Cognitive Workload of Electronic Health Records

2018· review· en· W2888127676 sur OpenAlexaff
Bryan A. Wilbanks, Susan P. McMullan

Notice bibliographique

RevueCIN Computers Informatics Nursing · 2018
Typereview
Langueen
DomaineHealth Professions
ThématiquePatient Safety and Medication Errors
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésWorkloadCognitionReliability (semiconductor)Medical recordComputer scienceProxy (statistics)Mental healthApplied psychologyPsychologyMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

The To Err Is Human report stated that 98 000 patients die yearly because of medical errors, and that medication errors kill more people than workplace injuries. The inadequate design and utilization of the electronic health record have been identified as major contributing factors to medical errors. Increased cognitive workload of clinicians has consistently been linked to the occurrence of medical errors. The purpose of this article was to synthesize the current state of the science on measuring clinicians' cognitive workload associated with using electronic health records in order to inform evidence-based guidelines. The major considerations identified in the literature involve the use of psychometric instruments, using efficiency as a proxy for cognitive workload, and eye tracking. The National Aeronautics and Space Administration Task Load Index was the most used psychometric instrument, but reliability measures were not reported. It is important to evaluate reliability of psychometric instruments because the consistency of the instrument can change when administered to different populations. Efficiency is an observable measure defined by the total time to complete a task and the total number of physical interactions with the user interface. Efficiency can allow the use of statistical modeling, but it does not directly evaluate the mental activity associated with using an electronic health record interface. Eye tracking has been used extensively in the literature to measure cognitive workload via changes in pupil size related to mental activity, but it is not often used to measure the cognitive workload associated with using the electronic health record. Eye tracking is very useful for continuous monitoring of cognitive workload.

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)0,009
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,036
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0100,010
Études des sciences et des technologies0,0010,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,158
Tête enseignante GPT0,481
Écart entre enseignants0,324 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIN Computers Informatics NursingMême sujetPatient Safety and Medication ErrorsTravaux en français237 207