Designing a medication timeline for patients and physicians
Notice bibliographique
Résumé
Objective: Most electronic health records display historical medication information only in a data table or clinician notes. We designed a medication timeline visualization intended to improve ease of use, speed, and accuracy in the ambulatory care of chronic disease. Materials and Methods: We identified information needs for understanding a patient medication history, then applied human factors and interaction design principles to support that process. After research and analysis of existing medication lists and timelines to guide initial requirements, we hosted design workshops with multidisciplinary stakeholders to expand on our initial concepts. Subsequent core team meetings used an iterative user-centered design approach to refine our prototype. Finally, a small pilot evaluation of the design was conducted with practicing physicians. Results: We propose an open-source online prototype that incorporates user feedback from initial design workshops, and broad multidisciplinary audience feedback. We describe the applicable design principles associated with each of the prototype's key features. A pilot evaluation of the design showed improved physician performance in 5 common medication-related tasks, compared to tabular presentation of the same information. Discussion: There is industry interest in developing medication timelines based on the example prototype concepts. An open, standards-based technology platform could enable developers to create a medication timeline that could be deployable across any compatible health IT application. Conclusion: The design goal was to improve physician understanding of a patient's complex medication history, using a medication timeline visualization. Such a design could reduce temporal and cognitive load on physicians for improved and safer care.
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 | 0,005 | 0,008 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».