MétaCan
Menu
Retour à la cohorte
Enregistrement W2942078150 · doi:10.3233/978-1-61499-951-5-140

Use of Agile Project Methodology in Health Care IT Implementations: A Scoping Review

2019· review· en· W2942078150 sur OpenAlexaff
Rav Goodison, Elizabeth M. Borycki, André Kushniruk

Notice bibliographique

RevueStudies in health technology and informatics · 2019
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentImplementationHealth careProject managementProcess managementScheduleMedical recordKnowledge managementComputer scienceMedicineEngineering managementBusinessEngineeringSystems engineeringPolitical scienceSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Health care organizations are investing in system solutions that can be leveraged across the continuum of care (i.e. electronic medical records (EMR's); electronic health records (EHR's); health information exchanges (HIE's) and patient portals. The importance of these systems and how they have evolved over the past 30 years has been well researched. The value and benefits of these systems are therefore well known; however, it is estimated that most projects are typically 100% over budget and a year behind schedule [1, p. 2]. In this paper the authors examine what literature is available on agile project management methodologies in health care settings. A scoping review of the literature available specifically on agile methods use in implementing systems within health care was undertaken. Findings revealed there is very little literature available on agile project management methodologies used in health care IT systems implementations. The authors identify there is a strong need for research to look into project management methodologies and identify areas in the project lifecycle, where change is needed to increase clinical systems adoption.

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)0,023
score de la tête « metaresearch » (Gemma)0,068
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 enseignants0,023
Score d'incertitude au seuil0,120

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,068
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0160,020
Études des sciences et des technologies0,0010,002
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,002
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 Opus0,719
Tête enseignante GPT0,586
Écart entre enseignants0,133 · 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

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetBig Data and Business IntelligenceTravaux en français237 207