MétaCan
Menu
Retour à la cohorte
Enregistrement W3004765543 · doi:10.2196/17452

The Perceptions of and Factors Associated With the Adoption of the Electronic Health Record Sharing System Among Patients and Physicians: Cross-Sectional Survey

2020· article· en· W3004765543 sur OpenAlexvenueno aff
Martin C. S. Wong, Junjie Huang, Paul Chan, Veeleah Lok, Colette Leung, Jingxuan Wang, Clement S.K. Cheung, Wing Nam Wong, Ngai Tseung Cheung, Chung Ping Ho, Eng‐Kiong Yeoh

Notice bibliographique

RevueJMIR Medical Informatics · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineFamily medicineWorkloadCross-sectional studyOdds ratioOddsPublic healthMultivariate analysisMedical recordLogistic regressionNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The electronic health record sharing system (eHRSS) was implemented as a new health care delivery platform to facilitate two-way communication between the public and private sectors in Hong Kong. OBJECTIVE: This study aimed to investigate the perceptions of and factors associated with the adoption of eHRSS among patients, the general public, and private physicians. METHODS: Telephone interviews were conducted in 2018 by using a simple random sampling strategy from a list of patients who had enrolled in the eHRSS and a territory-wide telephone directory for nonenrolled residents. We completed 2000 surveys (1000 each for enrolled and nonenrolled individuals). Private physicians completed self-administered questionnaires, including 762 valid questionnaires from 454 enrolled physicians and 308 nonenrolled physicians. RESULTS: Most participants (707/1000, 70.70%) were satisfied with the overall performance of the eHRSS. Regarding registration status, most nonenrolled patients (647/1000, 64.70%) reported that "no recommendation from their physicians and family members" was the major barrier, whereas more than half of the physicians (536/1000, 53.60%) expressed concerns on "additional workload due to use of eHRSS." A multivariate regression analysis showed that patients were more likely to register when they reported "other service providers could view the medical records" (adjusted odds ratio [aOR] 6.09, 95% CI 4.87-7.63; P<.001) and "friends' or family's recommendation or assistance in registration" (aOR 3.51, 95% CI 2.04-6.03; P=.001). Physicians were more likely to register when they believed that the eHRSS could improve the quality of health care service (aOR 4.70, 95% CI 1.77-12.51; P=.002) and were aware that the eHRSS could reduce duplicated tests and treatments (aOR 4.16, 95% CI 1.73-9.97; P=.001). CONCLUSIONS: Increasing the possibility of viewing patients' personal medical record, expanding the sharable data scope for patients, and highlighting the benefits of the system for physicians could be effective to enhance the adoption of the eHRSS.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,380
Écart entre enseignants0,328 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207