MétaCan
Menu
Retour à la cohorte
Enregistrement W4401614834 · doi:10.2196/52817

Factors Contributing to Successful Information System Implementation and Employee Well-Being in Health Care and Social Welfare Professionals: Comparative Cross-Sectional Study

2024· article· en· W4401614834 sur OpenAlexvenueno aff
Janna Nadav, Anu‐Marja Kaihlanen, Sari Kujala, Ilmo Keskimäki, Johanna Viitanen, Samuel Salovaara, Petra Saukkonen, Jukka Vänskä, Tuulikki Vehko, Tarja Heponiemi

Notice bibliographique

RevueJMIR Medical Informatics · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesStrategic Research CouncilAcademy of Finland
Mots-clésCross-sectional studyWelfareHealth careHealth professionalsNursingMedicinePsychologyBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

Background: The integration of information systems in health care and social welfare organizations has brought significant changes in patient and client care. This integration is expected to offer numerous benefits, but simultaneously the implementation of health information systems and client information systems can also introduce added stress due to the increased time and effort required by professionals. Objective: This study aimed to examine whether professional groups and the factors that contribute to successful implementation (participation in information systems development and satisfaction with software providers' development work) are associated with the well-being of health care and social welfare professionals. Methods: Data were obtained from 3 national cross-sectional surveys (n=9240), which were carried out among Finnish health care and social welfare professionals (registered nurses, physicians, and social welfare professionals) in 2020-2021. Self-rated stress and stress related to information systems were used as indicators of well-being. Analyses were conducted using linear and logistic regression analysis. Results: Registered nurses were more likely to experience self-rated stress than physicians (odds ratio [OR] -0.47; P>.001) and social welfare professionals (OR -0.68; P<.001). They also had a higher likelihood of stress related to information systems than physicians (b=-.11; P<.001). Stress related to information systems was less prevalent among professionals who did not participate in information systems development work (b=-.14; P<.001). Higher satisfaction with software providers' development work was associated with a lower likelihood of self-rated stress (OR -0.23; P<.001) and stress related to information systems (b=-.36 P<.001). When comparing the professional groups, we found that physicians who were satisfied with software providers' development work had a significantly lower likelihood of stress related to information systems (b=-.12; P<.001) compared with registered nurses and social welfare professionals. Conclusions: Organizations can enhance the well-being of professionals and improve the successful implementation of information systems by actively soliciting and incorporating professional feedback, dedicating time for information systems development, fostering collaboration with software providers, and addressing the unique needs of different professional groups.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,056
Tête enseignante GPT0,507
Écart entre enseignants0,452 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207