The impact of adoption of an electronic health record on emergency physician work: A time motion study
Notice bibliographique
Résumé
Objective We assessed the impact of the transition from a primarily paper-based electronic health record (EHR) to a comprehensive EHR on emergency physician work tasks and efficiency in an academic emergency department (ED). Methods We conducted a time motion study of emergency physicians on shift in our ED. Fifteen emergency physicians were directly observed for two 4-hour sessions prior to EHR implementation, during go live, and then during post-implementation. Observers performed continuous observation and measured times for the following tasks: chart review, direct patient care, documentation, physical movement, communication, teaching, handover, and other. We compared time spent on tasks during the 3 phases of transition and analyzed mean times for the tasks per patient and per shift using 2-tailed t test for comparison. Results Physicians saw fewer patients per shift during go-live (0.51 patient/hour, P < 0.01), patient efficiency increased in post-implementation but did not recover to baseline (−0.31 patient/hour, P = 0.03). From pre-implementation to post-implementation, we observed a trend towards increased physician time spent charting (+54 seconds/patient, P = 0.05) and documenting (+36 seconds/patient, P = 0.36); time spent doing direct patient care trended towards decreasing (−0.43 seconds/patient, P = 0.23). A small percentage of shifts were spent receiving technical support and time spent on teaching activities remained relatively stable during EHR transition. Conclusion A new EHR impacts emergency physician task allocation and several changes are sustained post-implementation. Physician efficiency decreased and did not recover to baseline. Understanding workflow changes during transition to EHR in the ED is necessary to develop strategies to maintain quality of care.
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 | 0,003 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».