Environmental impact and satisfaction associated with ENT ePrescriptions: A quality improvement study
Notice bibliographique
Résumé
Objective: ePrescriptions are associated with increased patient satisfaction, decreased provider burden, decreased administrative costs, and a positive impact on planetary health. We aimed to attain 20% overall usage of ePrescriptions in the Department of Otolaryngology-Head and Neck Surgery (OHNS) at the London Health Sciences Centre (LHSC) by December 2023. Method: This project followed the Institute for Healthcare Improvement model and used a pre-post intervention design. A root-cause analysis identified potential obstacles to ePrescribing. Change ideas, including educational seminars, surveys, quarterly reporting of ePrescription usage, and public encouragement of top ePrescribers in the department, were implemented and tested using Plan-Do-Study-Act cycles. ePrescription usage and carbon footprint savings associated with ePrescriptions were measured. Provider and patient satisfaction surveys were conducted as balancing measures for perception of increased burden on providers. Results: During the pre-intervention and post-intervention phases, a total of 400 and 1000 ePrescriptions were prescribed by the department, respectively. There was a statistically significant increase in the mean proportion of ePrescription used before (mean: 9.7%; sd=7.6) and after (mean: 40.7%; sd=6.4) the intervention (p<0.001), which exceeded the goal. SPC charting suggested special cause variation, signifying a statistically significant improvement. Additionally, a reduction of 125.9 lbs of CO 2 equivalents was associated with ePrescription use. 66.7% of providers rated overall satisfaction with ePrescriptions at 7/10 or higher, and 76.9% indicated that patients either sometimes, usually, or always opted for ePrescriptions when given the choice. Conclusion: Our change ideas increased ePrescription usage in an academic OHNS department and was associated with increased planetary health savings and provider satisfaction.
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 | 0,008 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».