MétaCan
Menu
Retour à la cohorte
Enregistrement W4234792174 · doi:10.15406/mojamt.2016.01.00014

New principals for Electronic Records in Mental Health

2016· article· en· W4234792174 sur OpenAlexaff
Boris Bard

Notice bibliographique

RevueMOJ Addiction Medicine & Therapy · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCentre for Addiction and Mental Health
Organismes subventionnairesnon disponible
Mots-clésMental healthHealth recordsPsychologyElectronic recordsElectronic health recordPsychiatryPolitical scienceWorld Wide WebComputer scienceHealth careLaw

Résumé

récupéré en direct d'OpenAlex

There are many well known benefits about electronic charting: easy access and the ability to share the context, readability of MD writing, standardization of documentation and care plans, real time documentation and authentication and many other more or less important things.First, I want to start the discussion and see if somebody else is interested in this specific opportunity technology presents to us.I call it: dynamic representation of abnormalities.You see, when nurses on the medical / surgical floors change their shifts they pass very specific, objective, standard, and dynamic clinical information about the progress of their clients, like the presence and the intensity (rate) of bleeding, presence of peristalsis sounds, quality of the abdominal wall (soft / hard), VS, input and output and etc.This dynamic data allows for the quick capture of important information that allows for fast clinical judgment about the client's condition.They usually do not pass any information that has no relevancy to the particular procedure or diagnosis.It takes about 15 min to go through 20 -25 medical surgical clients in this fashion.Also, nurses usually play a very technical and task oriented role.There are certain tasks to perform in terms of care, but there is no need to read surgical reports or chemotherapy plans or others (I know that many nurses read all these, but you know that this is not a main stream).MD is in charge of the overall care and usually needs to know only abnormal dynamic clinical data, meaning: when things are not according to the established norms and standards for some particular procedure / surgery / treatment.For example: when the temperature, level of pain, WBC or else is higher than it should be for that particular day of treatment.For each surgery or procedure, to my knowledge, there are about 5 to 15 such parameters.When MD is satisfied that the acute phase of care is done and all these parameters show the dynamic consistency with a recovery pass, MD will discharge the client home for GP care.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,071
Tête enseignante GPT0,455
Écart entre enseignants0,384 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMOJ Addiction Medicine & TherapyMême sujetElectronic Health Records SystemsTravaux en français237 207