MétaCan
Menu
Retour à la cohorte
Enregistrement W3164158049 · doi:10.3233/shti210239

Implementation of a Computerized Provider Order Entry System in a Pediatric Hospital in Canada

2021· book-chapter· en· W3164158049 sur OpenAlexaffabout
Man Qing Liang, Amélie Boudjellab, Hyukjin Kwon, Philippe Jouvet, Denis Lebel, Maxime Thibault, Aude Motulsky

Notice bibliographique

RevueStudies in health technology and informatics · 2021
Typebook-chapter
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesnon disponible
Mots-clésOrder entryComputerized physician order entryMedicineMedical prescriptionMedical emergencyDosingClinical decision support systemPediatric hospitalVulnerability (computing)DeprescribingLegibilityPolypharmacyDecision support systemNursingPediatricsIntensive care medicineHealth careComputer scienceBusinessData mining

Résumé

récupéré en direct d'OpenAlex

The Centre Hospitalier Universitaire Sainte-Justine (Montreal, Canada) is a pediatric academic tertiary hospital that has begun the implementation of a commercial computerized provider order entry system (CPOE) in October 2019. The objectives of this paper are 1) to estimate the impact of the CPOE system on medication errors, and 2) to identify vulnerability issues related to the configuration of the CPOE system's design. Using a pre-post implementation methodology measuring medication errors captured by clinical pharmacists revealed that the implementation of a CPOE has eliminated all prescription conformity (e.g., missing fields) and legibility errors. Pharmacists have continued to detect medication errors, especially inappropriate dosing instructions, and to intervene in similar clinical situations (medication reconciliation, deprescribing, adjusting orders). Additionally, the vulnerability analysis, based on typical clinical order test cases in an inpatient pediatric setting, highlighted the need to configure a clinical decision support system that can identify inappropriate dosing instructions for pediatric patients.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,357

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,390
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
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

Citations5
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetElectronic Health Records SystemsTravaux en français237 207