Digital Health in Physicians' and Pharmacists' Office: A Comparative Study of e-Prescription Systems' Architecture and Digital Security in Eight Countries
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
e-Prescription systems are key components and drivers of digital health. They can enhance the safety of the patients, and are gaining popularity in health care systems around the world. Yet, there is little knowledge on comparative international analysis of e-Prescription systems' architecture and digital security. We report, in this study, original findings from a comparative analysis of the e-Prescription systems in eight different countries, namely, Canada, United States, United Kingdom, Australia, Spain, Japan, Sweden, and Denmark. We surveyed the databases related to pharmacies, eHealth, e-Prescriptions, and related digital health websites for each country, and their system architectures. We also compared the digital security and privacy protocols in place within and across these digital systems. We evaluated the systems' authentication protocols used by pharmacies to verify patients' identities during the medication dispensing process. Furthermore, we examined the supporting systems/services used to manage patients' medication histories and enhance patients' medication safety. Taken together, we report, in this study, original comparative findings on the limitations and challenges of the surveyed systems as well as in adopting e-Prescription systems. While the present study was conducted before the onset of COVID-19, e-Prescription systems have become highly relevant during the current pandemic and hence, a deeper understanding of the country systems' architecture and digital security that can help design effective strategies against the pandemic. e-Prescription systems can help reduce physical contact and the risk of exposure to the virus, as well as the wait times in pharmacies, thus enhancing patient safety and improving planetary health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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