Embedding the Pillars of Quality in Health Information Technology Solutions Using “Integrated Patient Journey Mapping” (IPJM): Case Study
Notice bibliographique
Résumé
BACKGROUND: Health information technology (HIT) and associated data analytics offer significant opportunities for tackling some of the more complex challenges currently facing the health care sector. However, to deliver robust health care service improvements, it is essential that HIT solutions be designed by parallelly considering the 3 core pillars of health care quality: clinical effectiveness, patient safety, and patient experience. This requires multidisciplinary teams to design interventions that both adhere to medical protocols and achieve the tripartite goals of effectiveness, safety, and experience. OBJECTIVE: In this paper, we present a design tool called Integrated Patient Journey Mapping (IPJM) that was developed to assist multidisciplinary teams in designing effective HIT solutions to address the 3 core pillars of health care quality. IPJM is intended to support the analysis of requirements as well as to promote empathy and the emergence of shared commitment and understanding among multidisciplinary teams. METHODS: A 6-month, in-depth case study was conducted to derive findings on the use of IPJM during Learning to Evaluate Blood Pressure at Home (LEANBH), a connected health project that developed an HIT solution for the perinatal health context. Data were collected from over 700 hours of participant observations and 10 semistructured interviews. RESULTS: The findings indicate that IPJM offered a constructive tool for multidisciplinary teams to work together in designing an HIT solution, through mapping the physical and emotional journey of patients for both the current service and the proposed connected health service. This allowed team members to consider the goals, tasks, constraints, and actors involved in the delivery of this journey and to capture requirements for the digital touchpoints of the connected health service. CONCLUSIONS: Overall, IPJM facilitates the design and implementation of complex HITs that require multidisciplinary participation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».