Understanding the Association Between Electronic Health Record Satisfaction and the Well-Being of Nurses: Survey Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Intensive care unit (ICU) nurses experience high levels of burnout related to the high-stress environment. Management of electronic health records (EHR) is a contributing factor to physician burnout. However, limited research has established the relationship between the nurse’s well-being and EHR use. Objective The objective of this study was to examine the association between EHR use and the well-being of nurses. Methods We surveyed registered nurses employed at a major Southeastern medical center in the United States about their demographics, experience with EHRs, satisfaction with EHRs, and elements of well-being. The correlation between subgroup demographics and survey questions was examined using Kendall and Fisher tests. Results A total of 113 ICU registered nurses responded to the survey, of which 93 (82.3%) were females. The population had a mean age of 35.18 years (SD 10.65). A significant association was found between satisfaction and well-being scores, where higher EHR satisfaction was associated with higher self-reported well-being (correlation 0.35, P<.001). Nurses who were unhappy with the time spent in EHR use compared with direct patient care reported higher levels of stress (P<.001) and isolation (P=.009). Older nurses reported higher dissatisfaction with the amount of time spent on EHR tasks related to direct patient care compared to younger nurses (P<.001). Conclusions Although nurses reported acceptable satisfaction scores with EHR use, deeper analysis suggests that EHR indirectly affects the well-being of nurses. These findings strongly indicate that lower EHR satisfaction can impact the well-being of nurses. More research is needed to optimize the nurse-EHR experience through more user-centered design approaches.
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.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle