Primary care physician eHealth profile and care coordination: a cross-sectional study
Notice bibliographique
Résumé
BACKGROUND: Digital health holds promise for enhancing care coordination and supporting patient self-management. However, various barriers, including at the healthcare professional level, hinder its adoption. This cross-sectional study explored the eHealth profile of primary care physicians and its relationship with care coordination. METHODS: As part of "The Commonwealth Fund's 2022 International Health Policy Survey of Primary Care Physicians in 10 Countries", 1114 physicians in Switzerland completed a questionnaire on their sociodemographic and workplace characteristics, digital health use and care coordination practices. Based on their responses concerning the modality, frequency and application of digital health tools, we created a digital health score. Based on responses describing the collaboration with specialists and paramedical health professionals, we created a care coordination score. The associations between both scores were assessed using stratified analyses and multiple linear regression. RESULTS: Among the 1114 participants (46% women, mean age 52 years), 83% used electronic patient records, 96% used teleconsultations for less than 5% of consultations, and 63% never used connected health tools to monitor patients with chronic diseases. Further, 16% allowed online appointments, 20% online medical prescriptions, 52% the possibility of electronically communicating lists of medications with other healthcare professionals, and 89% the possibility of email or web communications with the patient. The eHealth score was positively associated with the number of weekly working hours, being an internal medicine specialist or practising physician, the number of full-time equivalents in the practice and being in a group practice setting. The higher the eHealth profile score, the higher the care coordination score. CONCLUSION: Digital health and care coordination were positively associated. This could underscore the potential benefits of digital health in enhancing collaborative and interprofessional care practices.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».