Effect of electronic health records on doctor-patient relationship in Arabian gulf countries: a systematic review
Notice bibliographique
Résumé
Background: The electronic health record (EHR) has been widely implemented internationally as a tool to improve health and healthcare delivery. However, EHR implementation has been comparatively slow amongst hospitals in the Arabian Gulf countries. This gradual uptake may be linked to prevailing opinions amongst medical practitioners. Until now, no systematic review has been conducted to identify the impact of EHRs on doctor-patient relationships and attitudes in the Arabian Gulf countries. Objective: To understand the impact of EHR use on patient-doctor relationships and communication in the Arabian Gulf countries. Design: A systematic review of English language publications was performed using PRISMA chart guidelines between 1990 and 2023. Methods: Electronic database search (Ovid MEDLINE, Global Health, HMIC, EMRIM, and PsycINFO) and reference searching restricted to the six Arabian Gulf countries only. MeSH terms and keywords related to electronic health records, doctor-patient communication, and relationship were used. Newcastle-Ottawa Scale (NOS) quality assessment was performed. Results: 18 studies fulfilled the criteria to be included in the systematic review. They were published between 1992 and 2023. Overall, a positive impact of EHR uptake was reported within the Gulf countries studied. This included improvement in the quality and performance of physicians, as well as improved accuracy in monitoring patient health. On the other hand, a notable negative impact was a general perception of physician attention shifted away from the patients themselves and towards data entry tasks (e.g., details of the patients and their education at the time of the consultation). Conclusion: The implementation of EHR systems is beneficial for effective care delivery by doctors in Gulf countries despite some patients' perception of decreased attention. The use of EHR assists doctors with recording patient details, including medication and treatment procedures, as well as their outcomes. Based on this study, the authors conclude that widespread EHR implementation is highly recommended, yet specific training should be provided, and the subsequent effect on adoption rates by all users must be evaluated (particularly physicians). The COVID-19 Pandemic showed the great value of EHR in accessing information and consulting patients remotely.
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 | 0,016 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».