MétaCan
Menu
Retour à la cohorte
Enregistrement W3113300673 · doi:10.2196/19249

Leadership Perspectives on Implementing Health Information Exchange: Qualitative Study in a Tertiary Veterans Affairs Medical Center

2020· article· en· W3113300673 sur OpenAlexvenueno aff
Brian E. Dixon, Cherie Luckhurst, David A. Haggstrom

Notice bibliographique

RevueJMIR Medical Informatics · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth information exchangeVeterans AffairsInformation sharingHealth information technologyHealth careInteroperabilityInformation exchangeMedicineInformation systemNursingKnowledge managementHealth informationComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The US Department of Veterans Affairs (VA) seeks to achieve interoperability with other organizations, including non-VA community and regional health information exchanges (HIEs). OBJECTIVE: This study aims to understand the perspectives of leaders involved in implementing information exchange between VA and non-VA providers via a community HIE. METHODS: We interviewed operational, clinical, and information technology leaders at one VA facility and its community HIE partner. Respondents discussed their experiences with VA-HIE, including barriers and facilitators to implementation, and the associated impact on health care providers. Transcribed interviews were coded and analyzed using immersion-crystallization methods. RESULTS: VA and community HIE leaders found training to be a key factor when implementing VA-HIE and worked cooperatively to provide several styles and locations of training. During recruitment, a high-touch approach was successfully used to enroll patients and overcome their resistance to opting in. Discussion with leaders revealed the high levels of complexity navigated by VA providers and staff to send and retrieve information. Part of the complexity stemmed from the interconnected web of information systems and human teams necessary to implement VA-HIE information sharing. These interrelationships must be effectively managed to guide organizational decision making. CONCLUSIONS: Organizational leaders perceived information sharing to be of essential value in delivering high-quality, coordinated health care. The VA continues to increase access to outside care through the VA Maintaining Internal Systems and Strengthening Integrated Outside Networks (MISSION) Act. Along with this increase in non-VA medical care, there is a need for greater information sharing between VA and non-VA health care organizations. Insights by leaders into barriers and facilitators to VA-HIE can be applied by other national and regional networks that seek to achieve interoperability across health care delivery systems.

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)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,166
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,154
Tête enseignante GPT0,510
Écart entre enseignants0,357 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeQualitatif
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207