MétaCan
Menu
Retour à la cohorte
Enregistrement W4297907807 · doi:10.3414/me0512

Prioritizing the Risk Factors Influencing the Success of Clinical Information System Projects

2008· article· en· W4297907807 sur OpenAlexaffabout
C. Sicotte, M. Jaana, D. Girouard, Guy Paré

Notice bibliographique

RevueMethods of Information in Medicine · 2008
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDelphi Technique in Research
Établissements canadiensHEC MontréalUniversity of OttawaUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésChampionInformation systemChecklistDelphi methodAmbiguityKnowledge managementExtant taxonRisk managementGovernment (linguistics)Information technologyWork (physics)Risk analysis (engineering)MedicineBusinessComputer sciencePsychologyEngineeringPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

Summary Objective: The aim of this study is to gain a better understanding of the risk factors influencing the success of clinical information system projects. Methods: This study addresses this issue by first reviewing the extant literature on information technology project risks, and second conducting a Delphi survey among 21 experts highly involved in clinical information system projects in Québec, Canada, a region where government have invested heavily in health information technologies in recent years. Results: Twenty-three risk factors were identified. The absence of a project champion was the factor that experts felt most deserves their attention. Lack of commitment from upper management was ranked second. Our panel of experts also confirmed the importance of a variable that has been extensively studied in information systems, namely, perceived usefulness that ranked third. Respondents ranked project ambiguity fourth. The fifth-ranked risk was associated with poor alignment between the clinical information systems’ characteristics and the organization of clinical work. The large majority of risk factors associated with the technology itself were considered less important. This finding supports the idea that technology-associated factors rarely figure among the main reasons for a project failure. Conclusions: In addition to providing a comprehensive list of risk factors and their relative importance, the study presents a major contribution by unifying the literature on information systems and medical infor - matics. Our checklist provides a basis for further research that may help practitioners identify the effective countermeasures for mitigating risks associated with the implementation of clinical information systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,050
score de la tête « metaresearch » (Gemma)0,197
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,197
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0030,002
Communication savante0,0050,003
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
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 Opus0,258
Tête enseignante GPT0,554
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations55
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMethods of Information in MedicineMême sujetDelphi Technique in ResearchTravaux en français237 207