Effects of a Web-Based Patient Portal on Patient Satisfaction and Missed Appointment Rates: Survey Study
Notice bibliographique
Résumé
BACKGROUND: Although electronic medical record (EMR)-tethered patient portals are common in other countries, they are still emerging in Canada. OBJECTIVE: We aimed to report user satisfaction and the effects of a patient portal on medical appointment attendance in a Canadian cohort of patients within our publicly funded health care system. METHODS: Two surveys were deployed, via email, at 2 weeks and 6 months following the first recorded patient portal access. Database audits of visit attendance were used to supplement and cross reference survey data. RESULTS: Between January 2016 and July 2018, 4296 patients accessed the patient portal. During the study, 28% (957/3421) consented patient portal users responded to one or more semistructured electronic surveys. Of respondents, 93% (891/957) reported that the patient portal was easy to use, 51% (492/975) reported it saved time when scheduling an appointment, and 40% (382/957) reported that they had to repeat themselves less during appointments. Respondents reported patient portal-related changes in health system use, with 48% (462/957) reporting avoiding a clinic visit and 2.7% (26/957) avoiding an emergency department visit. Across 19,968 visits in clinics where the patient portal was introduced, missed appointments were recorded in 9.5% (858/9021) of non-patient portal user visits, compared with 4.5% (493/9021) for patient portal users, representing a 53% relative reduction in no-show rates. CONCLUSIONS: Early experience with an EMR-tethered patient portal showed strong reports of positive patient experience, a self-reported decrease in health system use, and a measured decrease in missed appointment rates. Implications on the expanded use of patient portals requires more quantitative and qualitative study in Canada.
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 | 0,011 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,003 |
| 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 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 ».