Factors Impacting Clinicians’ Adoption of a Clinical Photo Documentation App and its Implications for Clinical Workflows and Quality of Care: Qualitative Case Study
Notice bibliographique
Résumé
BACKGROUND: Mobile health (mHealth) tools have shown promise in clinical photo and wound documentation for their potential to improve workflows, expand access to care, and improve the quality of patient care. However, some barriers to adoption persist. OBJECTIVE: This study aims to understand the social, organizational, and technical factors affecting clinicians' adoption of a clinical photo documentation mHealth app and its implications for clinical workflows and quality of care. METHODS: A qualitative case study of a clinical photo and wound documentation app called imitoCam was conducted. The data were collected through 20 in-depth interviews with mHealth providers, clinicians, and medical informatics experts from 8 clinics and hospitals in Switzerland and Germany. RESULTS: According to the study participants, the use of mHealth in clinical photo and wound documentation provides numerous benefits such as time-saving and efficacy, better patient safety and quality of care, enhanced data security and validation, and better accessibility. The clinical workflow may also improve when the app is a good fit, resulting in better collaboration and transparency, streamlined daily work, clinician empowerment, and improved quality of care. The findings included important factors that may contribute to or hinder adoption. Factors may be related to the material nature of the tool, such as the perceived usefulness, ease of use, interoperability, cost, or security of the app, or social aspects such as personal experience, attitudes, awareness, or culture. Organizational and policy barriers include the available clinical practice infrastructure, workload and resources, the complexity of decision making, training, and ambiguity or lack of regulations. User engagement in the development and implementation process is a vital contributor to the successful adoption of mHealth apps. CONCLUSIONS: The promising potential of mHealth in clinical photo and wound documentation is clear and may enhance clinical workflow and quality of care; however, the factors affecting adoption go beyond the technical features of the tool itself to embrace significant social and organizational elements. Technology providers, clinicians, and decision makers should work together to carefully address any barriers to improve adoption and harness the potential of these tools.
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 | 0,022 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,005 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».