Methods for studying medication safety following electronic health record implementation in acute care: a scoping review
Notice bibliographique
Résumé
OBJECTIVES: The objective of this scoping review is to map methods used to study medication safety following electronic health record (EHR) implementation. Patterns and methodological gaps can provide insight for future research design. MATERIALS AND METHODS: We used the Joanna Briggs Institute scoping review methodology and a custom data extraction table to summarize the following data: (1) study demographics (year, country, setting); (2) study design, study period, data sources, and measures; (3) analysis strategy; (4) identified limitations or recommendations; (5) quality appraisal; and (6) if a Safety-I or Safety-II perspective was employed. RESULTS: We screened 5879 articles. One hundred and fifteen articles met our inclusion criteria and were assessed for eligibility by full-text review. Twenty-seven articles were eligible for extraction. DISCUSSION AND CONCLUSION: We found little consistency in how medication safety following EHR implementation was studied. Three study designs, 7 study settings, and 10 data sources were used across 27 articles. None of the articles shared the same combination of design, data sources, study periods, and research settings. Outcome measures were neither defined nor measured consistently. It may be difficult for researchers to aggregate and synthesize medication safety findings following EHR implementation research. All studies but one used a Safety-I perspective to study medication safety. We offer a conceptual model to support a more consistent approach to studying medication safety following EHR implementation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,055 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».