Electronic health record associated stress: A survey study of adult congenital heart disease specialists
Notice bibliographique
Résumé
BACKGROUND: Physician burnout has many undesirable consequences, including negative impact on patient care delivery and physician career satisfaction. Electronic health records (EHRs) may exacerbate burnout by increasing physician workload. OBJECTIVE: To determine burnout in adult congenital heart disease (ACHD) specialists by assessing stress associated with EHRs. DESIGN: Electronic survey study of ACHD providers. SETTING: Canada and United States. PARTICIPANTS: Three hundred eighty-three ACHD specialists listed on the Adult Congenital Heart Association directory between February and April 2017. OUTCOME MEASURES: Burnout was measured using the Maslach Burnout Inventory (MBI) to understand factors contributing to work life and EHR satisfaction. Chi-square and Wilcoxon Rank Sum tests were used for statistical analysis. RESULTS: Of the 383 invited participants, 110 (28.7%) completed surveys with the majority (n = 88, 80.7%) reporting from an academic medical center. Burnout was defined as high scores on the emotional exhaustion and/or depersonalization MBI subscales. When comparing the 40% (n = 44) that met criteria for burnout with those that did not, there was strong disagreement that a reasonable amount of time is spent on clerical tasks related to direct (P = .0043) or indirect (P = .0004) patient care. There was strong disagreement that EHRs increased efficiency (P = .006) or the patient portal improved patient care (P = .0215). Finally, physicians who met criteria for burnout had lower personal accomplishment scores (P = .0355). CONCLUSIONS: Our results suggest time spent on EHRs creates clerical burden exacerbating ACHD physician burnout. The high levels of emotional exhaustion may decrease quality of ACHD care by directing focus away from physician-patient interaction. Health care systems must develop best practice for EHR design and implementation to optimize patient advocacy and care, and decrease physician burnout.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».