MétaCan
Menu
Retour à la cohorte
Enregistrement W3146859693

Electronic Health Record: Definition, Categories and Standards

2005· article· en· W3146859693 sur OpenAlexaboutno aff
Yeon-Sik Gwak

Notice bibliographique

RevueHealthcare Informatics Research · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHealth careInformation and Communications TechnologyQuality (philosophy)BusinessPatient safetyHealth information exchangeKnowledge managementInformation technologyProcess managementRisk analysis (engineering)MedicineComputer scienceHealth informationWorld Wide WebEconomic growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The demand for high quality, safe and quantity for healthcare is increasing while the resources remain unchanged. Adoption of better information technology can achieve significant improvements in quality and safety of healthcare delivery in the environment of increasing pressure on healthcare systems. This will also contribute to contain healthcare cost in the long run. Many developed and developing countries in the world pay attention on appropriate use of information communication technology(ICT) in healthcare domain. Some countries such as the US, UK, Australia, Canada and others adopted strategic plan of National Health Information Infrastructure for next 10 years. The objectives for ICT application of developed countries are summarized as: - To improve access to clinical records; - To reduce clinical errors and improve safety of patients; - To improve access to quality information on health for patients and healthcare professionals; - To improve efficiency of healthcare processes; and - To contain healthcare costs. The core of the ICT adoption in health is to have universal availability of electronic health and clinical records(EHR) at the point of care. This review, therefore, briefly described the definition, architectures, essential functionalities and applicable standards of EHR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0230,027
Études des sciences et des technologies0,0020,005
Communication savante0,0100,010
Science ouverte0,0040,004
Intégrité de la recherche0,0050,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,010

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 Opus0,186
Tête enseignante GPT0,541
Écart entre enseignants0,355 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHealthcare Informatics ResearchMême sujetElectronic Health Records SystemsTravaux en français237 207