Automated Decision Support For Community Mental Health Services Using National Electronic Health Records: Qualitative Implementation Case Study
Notice bibliographique
Résumé
Background A high proportion of patients with severe mental illness relapse due to nonadherence to psychotropic medication. In this paper, we use the normalization process theory (NPT) to describe the implementation of a web-based clinical decision support system (CDSS) for Community Mental Health Services (CMHS) called Actionable Intime Insights or AI2. AI2 has two distinct functions: (1) it provides an overview of medication and treatment history to assist in reviewing patient adherence and (2) gives alerts indicating nonadherence to support early intervention. Objective Our objective is to evaluate the pilot implementation of the AI2 application to better understand the challenges of implementing a web-based CDSS to support medication adherence and early intervention in CMHS. Methods The NPT and participatory action framework were used to both explore and support implementation. Qualitative data were collected over the course of the 14-month implementation, in which researchers were active participants. Data were analyzed and coded using the NPT framework. Qualitative data included discussions, meetings, and work products, including emails and documents. Results This study explores the barriers and enablers of implementing a CDSS to support early intervention within CMHS using Medicare data from Australia’s national electronic record system, My Health Record (MyHR). The implementation was a series of ongoing negotiations, which resulted in a staged implementation with compromises on both sides. Clinicians were initially hesitant about using a CDSS based on MyHR data and expressed concerns about the changes to their work practice required to support early intervention. Substantial workarounds were required to move the implementation forward. This pilot implementation allowed us to better understand the challenges of implementation and the resources and support required to implement and sustain a model of care based on automated alerts to support early intervention. Conclusions The use of decision support based on electronic health records is growing, and while implementation is challenging, the potential benefits of early intervention to prevent relapse and hospitalization and ensure increased efficiency of the health care system are worth pursuing.
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 | 0,035 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,006 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».