MétaCan
Menu
Retour à la cohorte
Enregistrement W4381164866 · doi:10.4103/amhs.amhs_257_22

Adoption of Automated Clinical Decision Support System: A Recent Literature Review and a Case Study

2023· review· en· W4381164866 sur OpenAlexaff
Rani Oomman Panicker, Ankitha Elizabeth George

Notice bibliographique

RevueArchives of Medicine and Health Sciences · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensCentennial College
Organismes subventionnairesnon disponible
Mots-clésWorkflowClinical decision support systemMedicineHealth careKnowledge managementField (mathematics)Conceptual frameworkHealth professionalsDecision support systemData scienceComputer scienceData mining

Résumé

récupéré en direct d'OpenAlex

Automated clinical decision support systems (CDSS) are knowledge-based systems that provide patient-specific information and data to clinicians at the proper time for enhancing the clinical workflow of hospital organizations. Nowadays, it is adopted by most of the health care professionals for clinical decision-making that helps to reduce the adverse clinical care events occurring during the treatment. In this article, we present a recent literature review on the adoption of computer-based CDSSs in the area of health care based on qualitative and quantitative techniques, published between 2007 and 2022. For this purpose, we searched Google Scholar and identified different adoption factors by using textual analysis from the included publications. We then ranked the different factors based on the total number of occurrences and represented them as a conceptual framework. A total of 14 different adoption factors were found from 13 studies, among them the usefulness of the system is the most prominent factor that influences the adoption of CDSS to a great extent. This literature review and the framework could be helpful to researchers and healthcare professionals working in the field of technology adoption, providing an overall idea of factors and techniques in this field of research. We have also mentioned the limitations and future research gaps of different studies, which will help the researchers to take an initiation towards these types of research. We also conducted a case study on adoption of fully automatic digital blood pressure monitor and identified that “usefulness” and “ease of use” could influence the adoption of fully automatic digital blood pressure monitor system.

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)0,009
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,017
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0170,026
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,373
Tête enseignante GPT0,629
Écart entre enseignants0,256 · 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'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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Medicine and Health SciencesMême sujetElectronic Health Records SystemsTravaux en français237 207