Implementation Challenges for Danish Hospitals in Digital Transformation
Notice bibliographique
Résumé
Background Increased digitalization of hospitals is a goal for national and regional health strategies. Since 2019, it has been an explicit goal to increase the use of virtual consultation with hospital patients. Two years after the start of the pandemic, virtual consultation for hospital patients has increased. At Odense University Hospital (OUH), we have seen a 30% and 337% increase in the annual number of telephone and video consultations with patients, respectively. However, the annual number of video consultations is still below 1% of the total number of outpatient visits. Objective This presentation describes challenges that may explain the slow implementation of telemedicine at OUH and how these challenges are handled in practice. Methods The description is based on 12 meetings with hospital managers and staff at OUH. Analysis of the content of the meetings has been condensed into the major themes specified in the results. Results Three main challenges have been found: (1) uncertainty regarding the quality of telemedicine interventions, (2) uncertainty regarding the technical and communicative skills needed to do video consultation, and (3) misunderstandings regarding the economic consequences of telemedicine. To address the uncertainty among our staff toward the clinical quality of telemedicine, a database including randomized trials of telemedicine interventions described in the PubMed database from 2010-2022 was produced. The database shows that more than 96% of interventions results in similar or improved clinical outcomes for selected patient groups. To ensure the skills needed by the hospital staff to do video consultation, we have offered courses in the technical and communicative aspects of video consultation to interested departments. Finally, some members of our staff believe that reducing the number of physical visits may reduce the hospital budget, which is contrary to the actual financial agreements with capitation payment. To address this misunderstanding, information about the true economic consequences of implementing telemedicine has been provided. Conclusions Successful implementation of telemedicine requires more than solid evidence; it also requires initiatives focusing on the challenges among the hospital staff. Conflicts of Interest None declared.
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 | 0,032 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,019 | 0,006 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 ».