Medical Specialists' Perspectives on the Influence of Electronic Medical Record Use on the Quality of Hospital Care: Semistructured Interview Study
Notice bibliographique
Résumé
BACKGROUND: Numerous publications show that electronic medical records (EMRs) may make an important contribution to increasing the quality of care. There are indications that particularly the medical specialist plays an important role in the use of EMRs in hospitals. OBJECTIVE: The aim of this study was to examine how, and by which aspects, the relationship between EMR use and the quality of care in hospitals is influenced according to medical specialists. METHODS: To answer this question, a qualitative study was conducted in the period of August-October 2018. Semistructured interviews of around 90 min were conducted with 11 medical specialists from 11 different Dutch hospitals. For analysis of the answers, we used a previously published taxonomy of factors that can influence the use of EMRs. RESULTS: The professional experience of the participating medical specialists varied between 5 and 27 years. Using the previously published taxonomy, these medical specialists considered technical barriers the most significant for EMR use. The suboptimal change processes surrounding implementation were also perceived as a major barrier. A final major problem is related to the categories "social" (their relationships with the patients and fellow care providers), "psychological" (based on their personal issues, knowledge, and perceptions), and "time" (the time required to select, implement, and learn how to use EMR systems and subsequently enter data into the system). However, the medical specialists also identified potential technical facilitators, particularly in the assured availability of information to all health care professionals involved in the care of a patient. They see promise in using EMRs for medical decision support to improve the quality of care but consider these possibilities currently lacking. CONCLUSIONS: The 11 medical specialists shared positive experiences with EMR use when comparing it to formerly used paper records. The fact that involved health care professionals can access patient data at any time they need is considered important. However, in practice, potential quality improvement lags as long as decision support cannot be applied because of the lack of a fully coded patient record.
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 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».