MétaCan
Menu
Retour à la cohorte
Enregistrement W3131698995 · doi:10.1002/epi4.12480

Creation and implementation of an electronic health record note for quality improvement in pediatric epilepsy: Practical considerations and lessons learned

2021· article· en· W3131698995 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueEpilepsia Open · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueEpilepsy research and treatment
Établissements canadiensAlberta Health ServicesHotchkiss Brain InstituteAlberta Children's HospitalAlberta HealthUniversity of Calgary
Organismes subventionnairesAlberta Children's Hospital FoundationAlberta Children's Hospital Research InstituteChildren's Hospital FoundationUniversity of Calgary
Mots-clésDocumentationInformaticsElectronic health recordQuality (philosophy)Health careQuality managementFamily medicineMedicineElectronic data captureHealth informaticsPopulationDemographicsMedical emergencyNursingBusinessPublic healthComputer scienceClinical trial

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To describe the development of the Pediatric Epilepsy Outcome-Informatics Project (PEOIP) at Alberta Children's Hospital (ACH), which was created to provide standardized, point-of-care data entry; near-time data analysis; and availability of outcome dashboards as a baseline on which to pursue quality improvement. METHODS: Stakeholders involved in the PEOIP met weekly to determine the most important outcomes for patients diagnosed with epilepsy, create a standardized electronic note with defined fields (patient demographics, seizure and syndrome type and frequency and specific outcomes- seizure type and frequency, adverse effects, emergency department visits, hospitalization, and care pathways for clinical decision support. These were embedded in the electronic health record from which the fields were extracted into a data display platform that provided patient- and population-level dashboards updated every 36 hours. Provider satisfaction and family experience surveys were performed to assess the impact of the standardized electronic note. RESULTS: In the last 5 years, 3,245 unique patients involving 13, 831 encounters had prospective, longitudinal, standardized epilepsy data accrued via point-of-care data entry into an electronic note as part of routine clinical care. A provider satisfaction survey of the small number of users involved indicated that the vast majority believed that the note makes documentation more efficient. A family experience survey indicated that being provided with the note was considered "valuable" or "really valuable" by 86% of respondents and facilitated communication with family members, school, and advocacy organizations. SIGNIFICANCE: The PEOIP serves as a proof of principle that information obtained as part of routine clinical care can be collected in a prospective, standardized, efficient manner and be used to construct filterable process/outcome dashboards, updated in near time (36 hours). This information will provide the necessary baseline data on which multiple of QI projects to improve meaningful outcomes for children with epilepsy will be based.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,307
Score d'incertitude au seuil0,774

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,103
Tête enseignante GPT0,506
Écart entre enseignants0,403 · 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