Understanding Engagement and the Potential Impact of an Electronic Drug Repository: Multi-Methods Study
Notice bibliographique
Résumé
BACKGROUND: Centralized drug repositories can reduce adverse events and inappropriate prescriptions by enabling access to dispensed medication data at the point of care; however, how they achieve this goal is largely unknown. OBJECTIVE: This study aims to understand the perceived clinical value; the barriers to and enablers of adoption; and the clinician groups for which a provincial, centralized drug repository may provide the most benefit. METHODS: A mixed methods approach, including a web-based survey and semistructured interviews, was used. Participants were clinicians (eg, nurses, physicians, and pharmacists) in Ontario who were eligible to use the digital health drug repository (DHDR), irrespective of actual use. Survey data were ranked on a 7-point adjectival scale and analyzed using descriptive statistics, and interviews were analyzed using qualitative descriptions. RESULTS: Of the 161 survey respondents, only 40 (24.8%) actively used the DHDR. Perceptions of the utility of the DHDR were neutral (mean scores ranged from 4.11 to 4.76). Of the 75.2% (121/161) who did not use the DHDR, 97.5% (118/121) rated access to medication information (eg, dose, strength, and frequency) as important. Reasons for not using the DHDR included the cumbersome access process and the perception that available data were incomplete or inaccurate. Of the 33 interviews completed, 26 (79%) were active DHDR users. The DHDR was a satisfactory source of secondary information; however, the absence of medication instructions and prescribed medications (which were not dispensed) limited its ability to provide a comprehensive profile to meaningfully support clinical decision-making. CONCLUSIONS: Digital drug repositories must be adjusted to align with the clinician's needs to provide value. Ensuring integration with point-of-care systems, comprehensive clinical data, and streamlined onboarding processes would optimize clinically meaningful use. The electronic provision of accessible drug information to providers across health care settings has the potential to improve efficiency and reduce medication errors.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
| grok | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Observationnel | high |
| opus | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: oui | Autre devis | medium |
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 | 0,051 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 validéeÉtiqueté directement par 3 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».