A Novel Digital Platform Approach to Enhance Enterprise-Wide Patient Portal Adoption
Notice bibliographique
Résumé
Background: Patient portals provide a simplified route for health providers to share medical information with individual patients, and are incentivized under Meaningful Use. Currently there are numerous friction factors in the onboarding process of patient portals that limits patients signing up for them. As a result, health systems are spending significant resources to drive the adoption of patient portals, with limited success. Objective: To evaluate the effectiveness of a innovative rules-driven digital patient engagement strategy for patients to sign up for online patient portal at an academic medical center. Methods: Rx.Universe is a digital platform integrated into provider EMR systems that enables physicians to directly “prescribe” mobile health applications and/or digital care bundles to patients. Rx.Universe Bulk Prescription feature was used to prescribe—via SMS—a direct link to the MyChart login page with the patient’s unique code and personal information embedded within the link. This removed several key barriers to adoption: patients needing to copy and paste access codes, fill in their personal data and complete this process within 30 days—after which their unique access code expires. The Rx.Universe engagement dashboard displayed the total number of patients who received prescribed messages, the number of unsuccessful prescriptions, prescriptions opened in the first 24 hours, and total prescriptions opened. Results: We digitally prescribed MyChart Activation to 23,485 patients under the care of Yale-New Haven Hospital over a period of 2 days. Of these prescriptions, 21,997 (93.66%) were successfully delivered and 1488 (6.33%) failed to be delivered because of incorrect cell phone numbers in EHR. Of the prescriptions successfully prescribed, 2170 (9.86%) were clicked within 24 hours of being prescribed with a total of 2378 (10.81%) clicked within a week. Conclusions: Digital Medicine Platforms offer new channel for onboarding and following up patients through customized digital care plans. The power of this approach in removing barriers for patients is highlighted by the fact that Yale-New Haven Hospital met their yearly MyChart adoption target through this campaign within a week. Furthermore, the data could be assessed and acted upon in real-time as opposed to the usual weeks. This technology can be extended to close the care gaps for hospitals and Accountable Care Organizations (ACO) in a scalable manner for a subpopulation, with manual processes reserved for patients unable to be reached in an automated fashion.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».