Factors affecting the mature use of electronic medical records by primary care physicians: a systematic review
Notice bibliographique
Résumé
BACKGROUND: Despite a substantial increase in the adoption of electronic medical records (EMRs) in primary health care settings, the use of advanced EMR features is limited. Several studies have identified both barriers and facilitating factors that influence primary care physicians' (PCPs) use of advanced EMR features and the maturation of their EMR use. The purpose of this study is to explore and identify the factors that impact PCPs' mature use of EMRs. METHODS: A systematic review was conducted in accordance with the Cochrane Handbook. The MEDLINE, Embase, and PsycINFO electronic databases were searched from 1946 to June 13, 2019. Two independent reviewers screened the studies for eligibility; to be included, studies had to address factors influencing PCPs' mature use of EMRs. A narrative synthesis was conducted to collate study findings and to report on patterns identified across studies. The quality of the studies was also appraised. RESULTS: Of the 1893 studies identified, 14 were included in this study. Reported factors that influenced PCPs' mature use of EMRs fell into one of the following 5 categories: technology, people, organization, resources, and policy. Concerns about the EMR system's functionality, lack of physician awareness of EMR functionality, limited physician availability to learn more about EMRs, the habitual use of successfully completing clinical tasks using only basic EMR features, business-oriented organizational objectives, lack of vendor training, limited resource availability, and lack of physician readiness were reported as barriers to PCPs' mature use of EMRs. The motivation of physicians, user satisfaction, coaching and peer mentoring, EMR experience, gender, physician perception, transition planning for changes in roles and work processes, team-based care, adequate technical support and training, sharing resources, practices affiliated with an integrated delivery system, financial incentives, and policies to increase EMR use all had a favorable impact on PCPs' use of advanced EMR features. CONCLUSIONS: By using a narrative synthesis to synthesize the evidence, we identified interrelated factors influencing the mature use of EMRs by PCPs. The findings underline the need to provide adequate training and policies that facilitate the mature use of EMRs by PCPs. TRIAL REGISTRATION: PROSPERO CRD42019137526.
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 | 0,017 | 0,087 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».