MétaCan
Menu
Retour à la cohorte
Enregistrement W3120813 · doi:10.3233/978-1-61499-203-5-15

Applying the Clinical Adoption Framework to Evaluate the Impact of an Ambulatory Electronic Medical Record

2013· article· en· W3120813 sur OpenAlexaffabout
Francis Lau, Colin Partridge, Gurprit K. Randhawa, Mike Bowen

Notice bibliographique

RevueStudies in health technology and informatics · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHealthcare Systems and Technology
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésSoftware deploymentElectronic medical recordAmbulatory careAmbulatoryHealth careElectronic health recordQuality (philosophy)BusinessMedical recordNursingProcess managementMedical emergencyMedicineKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

This paper describes the application of the Clinical Adoption (CA) Framework to evaluate the impact of a recently deployed electronic medical record (EMR) in a Canadian healthcare organization. The CA Framework dimensions evaluated were EMR quality, use and net benefits at the micro level; and people, organization and implementation at the meso level. The study involved clinical and support staff from two ambulatory care clinics, and managers and technical staff from the organization. A number of issues were identified at both levels of the CA Framework that had affected EMR adoption in the two clinics. Some perceived benefits in care coordination and efficiency were reported despite challenges that arose from early deployment decisions. There were five lessons that could be applied to other ambulatory care settings. The CA Framework has proved useful in making sense of ways that EMR can add value to the organization.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,432
Écart entre enseignants0,361 · 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'étudeAutre devis
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

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetHealthcare Systems and TechnologyTravaux en français237 207