Patient Engagement and Attitudes Toward Using the Electronic Medical Record for Medical Research: The 2015 Greater Plains Collaborative Health and Medical Research Family Survey
Notice bibliographique
Résumé
BACKGROUND: Electronic health records (EHRs) are ubiquitous. Yet little is known about the use of EHRs for prospective research purposes, and even less is known about patient perspectives regarding the use of their EHR for research. OBJECTIVE: This paper reports results from the initial obesity project from the Greater Plains Collaborative that is part of the Patient-Centered Outcomes Research Institute's National Patient-Centered Clinical Research Network (PCORNet). The purpose of the project was to (1) assess the ability to recruit samples of adults of child-rearing age using the EHR; (2) prospectively assess the willingness of adults of child-rearing age to participate in research, and their willingness (if parents) to have their children participate in medical research; and (3) to assess their views regarding the use of their EHRs for research. METHODS: The EHRs of 10 Midwestern academic medical centers were used to select patients. Patients completed a survey that was designed to assess patient willingness to participate in research and their thoughts about the use of their EHR data for research. The survey included questions regarding interest in medical research, as well as basic demographic and health information. A variety of contact methods were used. RESULTS: A cohort of 54,269 patients was created, and 3139 (5.78%) patients responded. Completers were more likely to be female (53.84%) and white (85.84%). These and other factors differed significantly by site. Respondents were overwhelmingly positive (83.9%) about using EHRs for research. CONCLUSIONS: EHRs are an important resource for engaging patients in research, and our respondents concurred. The primary limitation of this work was a very low response rate, which varied by the method of contact, geographic location, and respondent characteristics. The primary strength of this work was the ability to ascertain the clinically observed characteristics of nonrespondents and respondents to determine factors that may contribute to participation, and to allow for the derivation of reliable study estimates for weighting responses and oversampling of difficult-to-reach subpopulations. These data suggest that EHRs are a promising new and effective tool for patient-engaged health research.
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 | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».