MétaCan
Menu
Retour à la cohorte
Enregistrement W3012685413 · doi:10.1186/s12911-020-1048-9

Rethinking the electronic health record through the quadruple aim: time to align its value with the health system

2020· article· en· W3012685413 sur OpenAlexafffund
Hassane Alami, Pascale Lehoux, Marie‐Pierre Gagnon, Jean‐Paul Fortin, Richard Fleet, Mohamed Ali Ag Ahmed

Notice bibliographique

RevueBMC Medical Informatics and Decision Making · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCégep de LévisUniversité LavalUniversité de SherbrookeUniversité de MontréalInstitut National d'Excellence en Santé et en Services Sociaux
Organismes subventionnairesInstitute of Health Services and Policy ResearchFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésHealth informaticsHealth careHealth information technologyWork (physics)Electronic health recordQuality (philosophy)Population healthValue (mathematics)Health recordsHRHISNursingMeaningful useHealth information exchangeHealth policyMedicineKnowledge managementBusinessPublic healthComputer scienceHealth informationEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

Electronic health records (EHRs) are considered as a powerful lever for enabling value-based health systems. However, many challenges to their use persist and some of their unintended negative impacts are increasingly well documented, including the deterioration of work conditions and quality, and increased dissatisfaction of health care providers. The "quadruple aim" consists of improving population health as well as patient and provider experience while reducing costs. Based on this approach, improving the quality of work and well-being of health care providers could help rethinking the implementation of EHRs and also other information technology-based tools and systems, while creating more value for patients, organizations and health systems.

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)0,070
score de la tête « metaresearch » (Gemma)0,093
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,070
Score d'incertitude au seuil0,370

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0700,093
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,011
Communication savante0,0250,048
Science ouverte0,0040,014
Intégrité de la recherche0,0090,015
Charge utile insuffisante (le modèle a refusé de juger)0,0110,006

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 Opus0,083
Tête enseignante GPT0,418
Écart entre enseignants0,335 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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

En bref

Citations49
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Medical Informatics and Decision MakingMême sujetElectronic Health Records SystemsTravaux en français237 207