MétaCan
Menu
Retour à la cohorte
Enregistrement W4381164238 · doi:10.12927/hcpol.2023.27092

Use of Electronic Medical Record Data to Create a Dashboard on Access to Primary Care

2023· review· en· W4381164238 sur OpenAlexafffundvenue
Mylaine Breton, Isabelle Gaboury, François Bordeleau, Catherine Lamoureux‐Lamarche, Élisabeth Martin, Véronique Deslauriers, Jean-Benoît Deville-Stoetze

Notice bibliographique

RevueHealthcare policy · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDashboardElectronic medical recordMedical recordPrimary careComputer scienceWorld Wide WebProcess managementData scienceMedicineInternet privacyEngineeringFamily medicine

Résumé

récupéré en direct d'OpenAlex

Objective: This study aims to present a proof of concept of a dashboard on a set of indicators of access to primary healthcare (PHC) based on electronic medical records (EMRs). Methods: This research builds on a multi-method design study including (1) a systematic review, (2) a pilot phase and (3) the development of a dashboard. Results: Eight indicators were carefully selected and successfully extracted from EMRs obtained from 151 PHC providers. Indicators of access over time, as well as among providers and among clinics, have been enabled in the dashboard. Conclusion: EMR data enabled the development of a real-time dashboard on access, giving PHC providers a reliable portrait of their own practice, its evolution over time and how it compares with those of their peers.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0060,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0050,004
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0000,005

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 Opus0,651
Tête enseignante GPT0,638
Écart entre enseignants0,013 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetElectronic Health Records SystemsTravaux en français237 207