MétaCan
Menu
Retour à la cohorte
Enregistrement W3120005691

Switching Electronic Health Record Systems: Effects on Rounds and Perceived Impact on Communication andWorkflow in a Paediatric Critical Care Unit

2019· article· en· W3120005691 sur OpenAlexaff
Andrew W. Bateman, Jessica Tomasi, Anne‐Marie Guerguerian, Peter C. Laussen, Patricia Trbovich

Notice bibliographique

RevueCMBES Proceedings · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésThematic analysisPsychological interventionWorkflowMedicineNursingQualitative researchElectronic health recordPerceptionMedical educationPsychologyHealth careComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The overall objective of this study was to explore the impact that switching electronic health record (EHR) systems has on daily bedside rounds in a paediatric critical care unit. Naturalistic observations were used to contextualize rounds and to characterize how EHRs are used during rounds. Semi-structured interviews occurred in two phases. In phase one, interviews were conducted with clinicians to elicit detailed perceptions of rounds, and to understand how EHRs were used during rounds. Six months after the implementation of a new EHR system, phase two interviews were conducted to understand perceptions on how the new EHR system had impacted communication and workflow during rounds. Thematic analysis was performed on the qualitative notes from observations and interviews to identify patterns based on the data collected. Results of thematic analysis indicate that switching EHRs has an impact on how clinicians prepare for rounds, access information during rounds and document patient care goals during rounds. The results from this study will inform the design of interventions to improve daily bedside rounds in future work.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
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 Opus0,028
Tête enseignante GPT0,409
Écart entre enseignants0,381 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCMBES ProceedingsMême sujetElectronic Health Records SystemsTravaux en français237 207