Medical Students’ Perceptions of a Blockchain-Based Decentralized Work History and Credentials Portfolio: Qualitative Feasibility Study
Notice bibliographique
Résumé
BACKGROUND: Increased digitization of health care might challenge some of the trust functions that are established in a traditional health care system. We have, with the concept of VerifyMed, developed a decentralized service for work history and competence verification, as a means to increase trust in the virtual interaction between a patient and a caregiver, mitigate administrative burden, and provide patient-reported outcomes seamlessly for health professionals. OBJECTIVE: This research aimed to validate the use case of a decentralized credentials service for health care professionals in Norway. We also aimed to evaluate the proof-of-concept of VerifyMed, a blockchain-based credential service for health care professionals. METHODS: A qualitative approach was applied with data collection through 9 semistructured interviews and 2 focus groups (one with 4 participants and the other with 5 participants). The System Usability Scale (SUS) was used as a part of the interviews. Data were analyzed through the principles of systematic text condensation. The recruitment of participants ended when it was concluded that the data had reached saturation. RESULTS: The following 5 themes were identified from the interviews and focus groups: (1) the need for aggregated storage of work- and study-related verification, (2) trust in a virtual health care environment, (3) the potential use of patient feedback, (4) trust in blockchain technology, and (5) improvements of the VerifyMed concept. The SUS questionnaire gave a score of 69.7. CONCLUSIONS: This study has validated the need for a decentralized system where health care professionals can control their credentials and, potentially, their reputation. Future work should update the VerifyMed system according to this input. We concluded that a decentralized system for the storage of work-related verifiable credentials could increase trust in a virtualized health care system.
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 | 0,015 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,005 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».