MétaCan
Menu
Retour à la cohorte
Enregistrement W3048275268 · doi:10.3389/fdgth.2020.00012

Uncovering the Value of a Historical Paper-Based Collaborative Artifact: The Nursing Unit's Kardex System

2020· article· en· W3048275268 sur OpenAlexaff
Austin F. Mount-Campbell, Kevin D. Evans, David D. Woods, Esther Chipps, Susan D. Moffatt‐Bruce, Kashvi Patel, Emily S. Patterson

Notice bibliographique

RevueFrontiers in Digital Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueHospital Admissions and Outcomes
Établissements canadiensRoyal College of Physicians and Surgeons of Canada
Organismes subventionnairesOhio State University
Mots-clésArtifact (error)UsabilityNarrativeUnit (ring theory)NursingValue (mathematics)CognitionPsychologyComputer scienceMedicineHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We identify useful functions and usability characteristics of a historical cognitive artifact used by nurses working in a hospital unit, the Kardex. By identifying aspects of a widely used artifact, we uncover opportunities to improve the usefulness of current systems for hospital nurses. We conducted semi-structured interviews with registered nurses about their prior experience with the Kardex. Questions included what elements of the Kardex are missing from their current electronic support. Memos were generated iteratively from interview transcript data and grouped into themes. Eighteen nurses from multiple clinical areas participated and had a median of 25-29 years of nursing experience. The themes were: (1) a status at a glance summary for each patient, (2) a prospective memory aid, (3) efficiency and ease of use, (4) updating information required to maintain value, (5) activity management, (6) verbal handover during shift-to-shift report, (7) narrative charting and personalized care, and (8) non-clinical care communication. Implications for digital support are to provide immediate, portable access to a standardized patient summary, support for nurses to manage their planned activities during a series of shifts, provide unstructured text fields for narrative charting, and to support adding informal notes for personalized care.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,359
Score d'incertitude au seuil0,304

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,277
Écart entre enseignants0,260 · 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 tête enseignante, 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Digital HealthMême sujetHospital Admissions and OutcomesTravaux en français237 207