MétaCan
Menu
Retour à la cohorte
Enregistrement W4320032798 · doi:10.1007/s10916-023-01920-9

The Current State and Usage of European Electronic Cross-border Health Services (eHDSI)

2023· article· en· W4320032798 sur OpenAlexaboutno aff
Jan Bruthans, Klára Jiráková

Notice bibliographique

RevueJournal of Medical Systems · 2023
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensnon disponible
Organismes subventionnairesČeské Vysoké Učení Technické v Praze
Mots-clésEuropean unionMedical prescriptionHealth informaticsDocumentationQuarter (Canadian coin)Service (business)Health carePhase (matter)CommissionBusinessMedicineComputer sciencePolitical scienceNursingMarketingLawFinance

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: European Union intends to enable cross-border health services through a program referred to as "MyHealth@EU". The first main service is the dispensation of medicine by interlinking national electronic prescription systems. The second one is the Patient Summary, which enables providing the basic set of patients' medical data. METHODS: The contemporary technical documentation of the project was studied and selected published Key Performance Indicators of the project were analyzed. Where necessary, data were acquired directly from the European Commission. RESULTS: Data from the start of the project (fourth quarter of 2019) until the second quarter of 2022 were analyzed. During this time both the overall number of EU countries with operational cross-border healthcare and their particular abilities in both services have risen. At present, there are eleven countries with capabilities in at least one of the services, of which nine have reported transactions. More countries are in the test phase now and will join the operational phase of the project shortly. DISCUSSION AND CONCLUSION: Nevertheless, the program is still used mostly for testing purposes. It seems that only electronic prescription and dispensation are commonly and widely used so far and only Estonian and Finnish patients usually get their medication dispensed abroad. The rest of the operational countries is still at present missing country pairs with a strong cross-border use case.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0000,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,031
Tête enseignante GPT0,511
Écart entre enseignants0,480 · 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'étudeObservationnel
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

Citations23
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medical SystemsMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207