MétaCan
Menu
Retour à la cohorte
Enregistrement W4383267912 · doi:10.2196/46722

Changes in Documentation Due to Patient Access to Electronic Health Records: Protocol for a Scoping Review

2023· review· en· W4383267912 sur OpenAlexvenueno aff
Eva Meier-Diedrich, Gail Davidge, Maria Hägglund, Anna Kharko, Camilla Lyckblad, Brian McMillan, Charlotte Blease, Julian Schwarz

Notice bibliographique

RevueJMIR Research Protocols · 2023
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesForskningsrådet om Hälsa, Arbetsliv och VälfärdNordForskVetenskapsrådetNational Institute for Health and Care Research
Mots-clésDocumentationCINAHLPsycINFOProtocol (science)MEDLINEMedical educationHealth careMedicineCritical appraisalPsychologyComputer scienceNursingAlternative medicinePsychological interventionPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Internationally, patient-accessible electronic health records (PAEHRs) are increasingly being implemented. Despite reported benefits to patients, the innovation has prompted concerns among health care professionals (HCPs), including the possibility that access incurs a "dumbing down" of clinical records. Currently, no review has investigated empirical evidence of whether and how documentation changes after introducing PAEHRs. OBJECTIVE: This paper presents the protocol for a scoping review examining potential subjective and objective changes in HCPs documentation after using PAEHRs. METHODS: This scoping review will be carried out based on the framework of Arksey and O'Malley. Several databases will be used to conduct a literature search (APA PsycInfo, CINAHL, PubMed, and Web of Science Core Collection). Authors will participate in screening identified papers to explore the research questions: How do PAEHRs affect HCPs' documentation practices? and What subjective and objective changes to the clinical notes arise after patient access? Only studies that relate to actual use experiences, and not merely prior expectations about PAEHRs, will be selected in the review. Data abstraction will include but will not be limited to publication type, publication year, country, sample characteristics, setting, study aim, research question, and conclusions. The Mixed Methods Appraisal Tool will be used to assess the quality of the studies included. RESULTS: The results from this scoping review will be presented as a narrative synthesis structured along the key themes of the corpus of evidence. Additional data will be prepared in charts or tabular format. We anticipate the results to be presented in a scoping review at a later date. They will be disseminated at scientific conferences and through publication in a peer-reviewed journal. CONCLUSIONS: This is the first scoping review that considers potential change in documentation after implementation of PAEHRs. The results can potentially help affirm or refute prior opinions and expectations among various stakeholders about the use of PAEHRs and thereby help to address uncertainties. Results may help to provide guidance to clinicians in writing notes and thus have immediate practical relevance to care. In addition, the review will help to identify any substantive research gaps in this field of research. In the longer term, our findings may contribute to the development of shared documentation guidelines, which in turn are central to improving patient communication and safety. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/46722.

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)0,140
score de la tête « metaresearch » (Gemma)0,136
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: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,739

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1400,136
Méta-épidémiologie (sens strict)0,0050,006
Méta-épidémiologie (sens large)0,0120,014
Bibliométrie0,0190,018
Études des sciences et des technologies0,0060,006
Communication savante0,0100,009
Science ouverte0,0060,008
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0660,014

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 Opus0,766
Tête enseignante GPT0,778
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; 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
GenreProtocole

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

En bref

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetElectronic Health Records SystemsTravaux en français237 207